TFlearn to categorical

Question

나는 tflearn의 DNN을 사용하고 있으며, 필자의 기능과 lables를 범주가 아닌 숫자로 변경하고 싶다.

여기 내 순이다

x = tf.placeholder(dtype= tf.float32, shape=[None, 6], name='x') 
# Build neural network 
input_layer = tflearn.input_data(shape=[None, 6]) 
net = input_layer 
net = tflearn.fully_connected(net, 128, activation='relu') 
net = tflearn.fully_connected(net, 64, activation='relu') 
net = tflearn.fully_connected(net, 16, activation='relu') 
net = tflearn.fully_connected(net, 2, activation='sigmoid') 
net = tflearn.regression(net, optimizer='adam', loss='mean_square', metric='R2') 

w = tf.Variable(tf.truncated_normal([2, 2], stddev=0.1)) 
b = tf.Variable(tf.constant(1.0, shape=[2])) 
y = tf.nn.softmax(tf.matmul(net, w) + b, name='y') 

model = tflearn.DNN(net, tensorboard_verbose=3) 
return model 

내가 tflearn.data_utils.to_categorical에 대해 알고 있지만, 나는이 방법을 주입하는 방법을 잘 모릅니다. 감사

편집 : 내가 좋아하는 몇 가지 시도 :

train_goal = tflearn.data_utils.to_categorical(train_goal, nb_classes=2) 
      test_goal = tflearn.data_utils.to_categorical(test_goal, nb_classes=2) 

또한 손실 변경 :

net = tflearn.regression(net, optimizer='adadelta', loss='categorical_crossentropy', metric= self.accuracy) 

을하지만 난 1보다 더 많은 손실을 가지고 :

Training Step: 35 | total loss: 1.64734 | time: 1.322s 
| AdaDelta | epoch: 001 | loss: 1.64734 - acc: 1.0000 | val_loss: 1.64313 - val_acc: 1.0000 -- iter: 2204/2204 
-- 
Training Step: 70 | total loss: 1.61961 | time: 0.216s 
| AdaDelta | epoch: 002 | loss: 1.61961 - acc: 1.0000 | val_loss: 0.00000 - val_acc: 0.0000 -- iter: 2204/2204 
-- 
Training Step: 105 | total loss: 1.58511 | time: 1.188s 
| AdaDelta | epoch: 003 | loss: 1.58511 - acc: 1.0000 | val_loss: 1.57300 - val_acc: 1.0000 -- iter: 2204/2204 

을

문제?

Answer 1

비슷한 오류가 발생했으며 손실도 매우 큽니다. train_goal 대신 train_goal.T [0]을 사용해보세요. to_categorical에 대한 입력 y는 (n,)

과 같은 모양이어야합니다.