Numbers recognition
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Anfängerfreundlichkeit
- 20/100
- Issue-Typ
- Bug
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- python
- Bereich
- machine-learning
Rechercherichtung
Überprüfe die in der Issue referenzierte Python/Processing-Implementierung in einer einzelnen Datei und reproduziere das gemeldete Trainingsverhalten, beginnend mit den Pfaden für Backpropagation und Gradientenabstieg. Es ist keine Datei und kein Test benannt; abgeschlossen ist die Aufgabe, wenn die Ursache des Genauigkeitsplateaus identifiziert und das korrigierte Trainingsverhalten demonstriert oder eine klare Erklärung der Einschränkung gegeben wurde.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Hi !
I've tried to implement the same neural network library as in the videos
However I have some problems
I am coding in Python, in Processing. Just to warn you, I am not really familiar with Python and Processing, that's why i have everything in one file ( I wasn't able to separate it in defferent files and then import them , if you know how to do it please tell me)
So the problem i am getting, is that the neural network is getting stuck. In fact I rarely go over 85% accuracy with is quite bad I think. And it doesn't matter how long i let it run, arround 85% , the accuracy just randomly changes. I know that my code is not really clear and messy , but could someone try to find what's going on ? Just so you know, I've stored, all the images in 60 000 files (1 per image ) , each containing a number between 0 and 1 for the pixel color
I've also added the possibility to have several hidden layers in the neural network
However, iam not sure if I am doing the backpropagation and the gradient descent correctly, could anyone check and tell me ?
Thanks a lot, I am new to GitHub so sorry if I did things wrong
( and by the way, I am French, that's why my english might be bad )
- Vorherrschende Sprache
- JavaScript
- Sterne
- 438
- Forks
- 242
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus CodingTrain/Toy-Neural-Network-JS
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 20/100
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 35/100
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 30/100
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 20/100
CodingTrain/Toy-Neural-Network-JS#149 · 1 Kommentar ·
-
Gradient OptimizationOffen
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 42/100
Alle Issues in CodingTrain/Toy-Neural-Network-JS
Ähnliche Issues
-
🐛 bug
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 78/100
LibreChat-AI/LibreChat#17887 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Step-by-step Ash GuideOffen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
liveshowy/webauthn_components#118 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 86/100
showdownjs/showdown#1113 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
dependents/node-precinct#167 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 66/100
volumio/volumio-plugins-sources-bookworm#279 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 1 Tag