Numbers recognition
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 20/100
- Type d'issue
- Bug
- Clarté
- À clarifier
- Activité
- À l'abandon
- Stack technique
- python
- Domaine
- machine-learning
Piste de recherche
Examinez l’implémentation Python/Processing dans un fichier unique référencée dans l’issue et reproduisez le comportement d’entraînement signalé, en commençant par les chemins de rétropropagation et de descente de gradient. Aucun fichier ni test n’est nommé ; le travail est considéré comme terminé lorsque la cause du plateau de précision est identifiée et que le comportement d’entraînement corrigé est démontré, ou qu’une explication claire de la limitation est fournie.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
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 )
- Langage dominant
- JavaScript
- Étoiles
- 438
- Forks
- 242
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de CodingTrain/Toy-Neural-Network-JS
-
Difficulté 4/5 3-5 jours Accessibilité débutants 20/100
-
Difficulté 2/5 1-3 heures Accessibilité débutants 35/100
-
Difficulté 3/5 1-2 jours Accessibilité débutants 30/100
-
Difficulté 5/5 Plus d'une semaine Accessibilité débutants 20/100
CodingTrain/Toy-Neural-Network-JS#149 · 1 commentaire ·
-
Gradient OptimizationOuverte
Difficulté 3/5 1-2 jours Accessibilité débutants 42/100
Toutes les issues de CodingTrain/Toy-Neural-Network-JS
Issues similaires
-
502 on Node 26: ERR_INVALID_ARG_VALUE: Setting the TLS ServerName to an IP address is not permittedOuverte
Difficulté 2/5 1-3 heures Accessibilité débutants 76/100
-
Difficulté 2/5 1-3 heures Accessibilité débutants 75/100
github/paste-markdown#129 · 2 réactions ·
-
bug
Difficulté 1/5 1-3 heures Accessibilité débutants 83/100
obsidianmd/obsidian-help#1164 ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
richardcase/skills#26 ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 88/100
Les mainteneurs répondent en général sous 1 jour