RELU Backpropagation - PullRequest
Новая
       71

RELU Backpropagation

0 голосов
/ 13 октября 2018

У меня проблемы с реализацией backprop при использовании функции активации relu.Моя модель имеет два скрытых слоя с 10 узлами в обоих скрытых слоях и одним узлом в выходном слое (таким образом, 3 веса, 3 смещения).Моя модель работает не только для этой сломанной сломанной функции backward_prop.Однако функция работает с backprop, используя функцию активации сигмоида (включена в качестве комментариев в функцию).Таким образом, я полагаю, что испортил деривацию relu.

Может кто-нибудь подтолкнуть меня в правильном направлении? 

# The derivative of relu function is 1 if z > 0, and 0 if z <= 0
def relu_deriv(z):
    z[z > 0] = 1
    z[z <= 0] = 0
    return z

# Handles a single backward pass through the neural network
def backward_prop(X, y, c, p):
    """
    cache (c): includes activations (A) and linear transformations (Z)
    params (p): includes weights (W) and biases (b)
    """
    m = X.shape[1] # Number of training ex
    dZ3 = c['A3'] - y
    dW3 = 1/m * np.dot(dZ3,c['A2'].T)
    db3 = 1/m * np.sum(dZ3, keepdims=True, axis=1)
    dZ2 = np.dot(p['W3'].T, dZ3) * relu_deriv(c['A2']) # sigmoid: replace relu_deriv w/ (1-np.power(c['A2'], 2))
    dW2 = 1/m * np.dot(dZ2,c['A1'].T)
    db2 = 1/m * np.sum(dZ2, keepdims=True, axis=1)
    dZ1 = np.dot(p['W2'].T,dZ2) * relu_deriv(c['A1']) # sigmoid: replace relu_deriv w/ (1-np.power(c['A1'], 2))
    dW1 = 1/m * np.dot(dZ1,X.T)
    db1 = 1/m * np.sum(dZ1, keepdims=True, axis=1)

    grads = {"dW1":dW1,"db1":db1,"dW2":dW2,"db2":db2,"dW3":dW3,"db3":db3}
    return grads

1 Ответ

0 голосов
/ 15 октября 2018

Ваш код выдает ошибку или у вас есть проблемы с обучением?Можете ли вы сделать это ясно?

Или, если вы имеете дело с бинарной классификацией, можете ли вы попытаться сделать только свою функцию активации выхода сигмоид и другие ReLU?

Пожалуйстагосударственная специфика.

Редактировать при ответе:

Можете ли вы попробовать это?

 def dReLU(x):
    return 1. * (x > 0)

Я имею в виду: https://gist.github.com/yusugomori/cf7bce19b8e16d57488a

...