Question

我正在努力应对Tensorflow / keras的挑战，如果有人可以帮助我会很棒。

我在Keras建立了一个神经网络，输入_dim = 3，然后是10个神经元和输出1.

输入是带有浮点数的3d向量，输出应该是一个简单的浮点值。

我的问题是，我不知道如何格式化浮点数（＆gt; 1，从0到1？等等...）以及哪个损失函数可以用于此任务（我猜没有二进制）。我希望神经网络从3d矢量中计算出一个简单的浮点值。但它永远不会成功，因为我的输出总是一样的。

如果我忘了什么，请告诉我，如果你有一些想法，那就太棒了！

问候

编辑：我意识到我需要介绍机器学习的整个主题，我现在正在做。与此同时，我想知道如何使用keras来验证/实际使用机器学习。我很抱歉要求愚蠢的＆＃39;问题，但我希望也许有人可以帮助我。

输入：我认为输入可能是错误的＆＃39;格式化，它没有标准化等，但我将我得到的值转换为下面提到的间隔。

这是我的简单模型：

model = Sequential()
model.add(Dense(10, input_dim=3, init='normal', activation='sigmoid'))
model.add(Dense(1, init='normal', activation='sigmoid'))
model.compile(loss='mse', optimizer='sgd', metrics=['accuracy'])
model.fit(X_Train, Y_Train, nb_epoch=100, batch_size=32, verbose=1)

X_Train和Y_Train是从.csv文件中提取的值。例如，我的输入值是[a，b，c，d]，其中0 < a，b，c＆lt; 1和-1＆lt; d＆lt; 1（输出d）。

输出：

Epoch 500/500

32/32 [==============================] - 0s - 损失：0.0813 - acc：0.0000e + 00

示例（随机生成的值），所有输出在0.43附近几乎相同：

[0.97650245 0.30383579 0.74829968] [[0.43473071]]

[0.94985165 0.75347051 0.72609185] [[0.43473399]]

[0.18072594 0.18540003 0.20763266] [[0.43947196]]

Answer 1

首先，不需要对输入样本进行标准化（或格式化）。

其次，对于零准确度的问题，这是因为您使用“准确度”作为用于分类模型的度量。在你的情况下，你应该使用类似“mse”或“mae”（在Keras中）的东西作为编译方法中的指标，例如，

model.compile(loss='mse', optimizer='sgd', metrics=['mae'])

Answer 2

我回答了我自己的问题：

这里的问题是优化器！培训数据和其他所有设置都不重要。您必须尝试其他优化器，以改变结果。现在可以关闭这个问题。谢谢你的帮助！

Answer 3

将输出层更改为以下 model.add(Dense(1))

请参阅此回归指南，其中讨论一个输出。 https://www.tensorflow.org/tutorials/keras/basic_regression

Keras输入/输出

3 个答案: