deeplearning4j/deeplearning4j-examples

Increasing errors with MultiLayerNetworkExternalErrors.java Example

Offen

#914 geöffnet am 18.10.2019

Auf GitHub ansehenContributor Guide
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Java (1.841 Forks)batch import
help wantedquestion

Repository-Metriken

Stars
 (2.395 Sterne)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Hi,

I am trying to using train a simple 2 layer network on a simple synthetic dataset. With two features X1 and X2. and lables: y = X1^2 + X2^2

I am calculating the error for each epoch manually and using the errors to call backprop, similar to the MultiLayerNetworkExternalErrors.java example

The prediction error is increasing with each epoch, I would have expected decreasing errors with on this simple dataset. Could someone help me with if the issue is with how I am using dl4j methods ?

Code: https://gist.github.com/Saurabh7/9b5ea7def2a167903e7d206e272e2662 Data: https://gist.github.com/Saurabh7/982fb4ddfbd58bd866782ea31b95aef1

Contributor Guide

Research-Richtung
Überprüfen Sie die Trainingsschleife; stellen Sie sicher, dass die Fehlerberechnung korrekt ist und die Gradienten richtig angewendet werden. Überprüfen Sie die Lernrate und das Gradient Clipping.
Tech Stack
java
Domain
machine learning
Issue Type
Fehler
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
JavaNeural network basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60