实验内容： 使用多项逻辑斯蒂回归实现MNIST分类。
在编写好相关程序之后，进行参数调整。使用学习率为0.0001,程序正常运行。但是修改学习率为0.001，0.01。程序就会出现以下错误：
解决方法：
epsilon = 1e-5
np.log(P + epsilon)
参考文献：
本文介绍使用多项逻辑斯蒂回归实现MNIST分类的过程，并针对不同学习率导致的程序异常进行了探讨。当学习率从0.0001提高到0.001或0.01时，程序出现错误，通过引入小常数epsilon解决了log函数中的除零问题。
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
