![](/img/trans.png)
[英]Discrepancy between R's Keras and Python's Keras -- Accuracy bug?
[英]Different accuracy between python keras and keras in R
我通過keras為R在R中構建了一個圖像分類模型。
精度達到98%左右,而python的准確性卻很差。
R的Keras版本是2.1.3,而python是2.1.5
以下是R型號代碼:
model=keras_model_sequential()
model=model %>%
layer_conv_2d(filters = 32,kernel_size = c(3,3),padding = 'same',input_shape = c(187,256,3),activation = 'elu')%>%
layer_max_pooling_2d(pool_size = c(2,2)) %>%
layer_dropout(.25) %>% layer_batch_normalization() %>%
layer_conv_2d(filters = 64,kernel_size = c(3,3),padding = 'same',activation = 'relu') %>%
layer_max_pooling_2d(pool_size = c(2,2)) %>%
layer_dropout(.25) %>% layer_batch_normalization() %>% layer_flatten() %>%
layer_dense(128,activation = 'relu') %>%
layer_dropout(.25)%>%
layer_batch_normalization() %>%
layer_dense(6,activation = 'softmax')
model %>%compile(
loss='categorical_crossentropy',
optimizer='adam',
metrics='accuracy'
)
我嘗試在python中使用相同的輸入數據重建相同的模型。
雖然,性能完全不同。 精度甚至低於30%
因為R keras正在為run keras調用python。 使用相同的模型架構,它們應該獲得類似的性能。
我想知道這個問題是否由preprocess引起,但仍然顯示我的python代碼:
model=Sequential()
model.add(Conv2D(32,kernel_size=(3,3),activation='relu',input_shape=(187,256,3),padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(BatchNormalization())
model.add(Conv2D(64, (3, 3), activation='relu',padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(BatchNormalization())
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.25))
model.add(BatchNormalization())
model.add(Dense(len(label[1]), activation='softmax'))
model.compile(loss='categorical_crossentropy',
optimizer='adam',
metrics=['accuracy'])
這是一個簡單的分類。 我和大多數指令一樣。
找不到別人面臨同樣的問題。 所以想問問它是如何發生以及如何解決的。 謝謝
這是一個顯着的差異,從而可能有一個在代碼或東西在數據意外的錯誤,但重現Keras
從結果R
在Python
比它看起來可能因為設置的種子更為困難R
側是不夠的。 取而代之的set.seed
你應該使用use_session_with_seed
,附帶了用於R庫tensorflow
和keras
。 請注意,為了完全重現,您需要use_session_with_seed(..., disable_gpu=TRUE, disable_parallel_cpu=TRUE)
。 另請參閱stack和tf docs。 此外,這是使用kerasformula
的github版本和公共數據集的示例 。 另外,請注意接受seed
作為參數的layer_dropout
等函數。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.