Question

我正在尝试使用keras进行非线性回归。我已经模拟了90000个数据集，并用2个参数标记了它们。我的目标是在训练后拥有一个完全连接的神经网络来估计这两个参数。目前，该模型仅适合于一个标签，效果很好。作为测试，我尝试单独装配每个标签，并且效果很好，但是当我要同时装配两个标签时都会失败（即，该模型可以准确预测出一个标签，但不能准确预测另一个标签。在某些情况下，第二个标签会被关闭）系数为1000，在其他情况下，它仅读取[0.] ...，具体取决于我对输出层的激活）。 1个标签的顺序为1e7，另一个标签的范围在0到1之间。我尝试将两个标签规范化为0到1之间-这没有帮助。每个输入应该是大小为1024的向量，并与2个标签相关联。

任何有关如何拟合多标签数据的帮助或文献建议将不胜感激。下面随附的是我的模型的代码。谢谢。

# Build The Model
model = Sequential()

# The Input Layer :
    model.add(Dense(1024, kernel_initializer='normal', input_dim=1024, activation='relu'))

# The Hidden Layers :
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))

# The Output Layer :
    model.add(Dense(2, kernel_initializer='normal', activation='relu'))

# Compile the network :
    model.compile(loss='MSE', optimizer='adam', metrics=['MSE'])
    model.summary()

Keras回归模型无法同时拟合2个标签

0 个答案: