Не знаю, что происходит неправильно во время набора учебных материалов. Keras Model Fit

Question

Я только начал использовать Keras и пытался обучить модель с помощью набора Keras для глубокого обучения. Работает до тех пор, пока не будут запущены эпохи, но падает сразу после него.

np.random.seed(1778) # for reproducibility 
    need_normalise=True 
    need_validataion=True 
    nb_epoch=2#8 

    #Creating model 
    model = Sequential() 
    model.add(Dense(512, input_shape=(dims,))) 
    model.add(PReLU()) 
    model.add(BatchNormalization()) 
    model.add(Dropout(0.5)) 

    model.add(Dense(nb_classes)) 
    model.add(Activation('softmax')) 
    opt=Adadelta(lr=1,decay=0.995,epsilon=1e-5) 
    model.compile(loss='binary_crossentropy', optimizer=opt) 
    auc_scores=[] 
    best_score=-1 
    best_model=None 
    print('Training model...') 

    if need_validataion: 
     for i in range(nb_epoch): 
     #early_stopping=EarlyStopping(monitor='val_loss', patience=0, verbose=1) 
     #model.fit(X_train, y_train, nb_epoch=nb_epoch,batch_size=256,validation_split=0.01,callbacks=[early_stopping]) 
      model.fit(X_train, y_train, nb_epoch=2,batch_size=256,validation_split=0.15) 
      y_pre = model.predict_proba(X_valid) 
      scores = roc_auc_score(y_valid,y_pre) 
      auc_scores.append(scores) 
      print (i,scores) 
      if scores>best_score: 
       best_score=scores 
       best_model=model 
     plt.plot(auc_scores) 
     plt.show() 
    else: 
     model.fit(X_train, y_train, nb_epoch=nb_epoch, batch_size=256) 
    y_pre = model.predict_proba(X_test)[:,1] 
    print roc_auc_score(y_test,y_pre) 

Ошибка ПОЛУЧАЛ: Я вставил его здесь. Пожалуйста, взгляните на это. http://pastebin.com/dSw9ckkk

Answer 1

Похоже, что у вас есть два класса, положительный класс и отрицательный класс, так что метки положительного класса 1 минус метки отрицательного класса. В этом случае, вы можете отказаться от ярлыков негативного класса и сделать это проблема одного класса:

model.add(Dense(1), activation='sigmoid') # instead of Dense(nb_classes) and Activation('softmax') 

В качестве альтернативы, вы можете тренировать модель на обоих классах и просто использовать положительный класс в ППК расчета:

roc_auc_score(y_test[:, 1],y_pre[:, 1])