Question

我目前正在处理NN问题，我将输入映射到输出。

我已将输入和输出标准化，使它们处于相同的范围内=＆gt; -1到1，这样我就可以使用tanh作为激活函数。

我似乎从训练中得到了相当不错的结果，val_loss = 0.0156。

但是要实际使用数据集，我必须对输出进行非规范化，这使得它与实际输出非常不同。

我对NN很陌生，但通常是非正常化吗？如果不？这些问题如何解决？

我目前正在使用min-max正规化进行规范化，并且由于我存储了max和min值，因此我使用它们来返回值。

有关数据的更多信息：

数据集由stft个音频文件组成，输出是一个特征向量（mfcc）。由于stft给了我复杂的价值，但由于keras无法处理复数，我分裂了实部和虚部，并将它们连成一致。

Answer 1

您可以使用lambda layer执行非规范化步骤作为网络本身的一部分。

假设您可以定义规范化函数：

f = K.function(/* some function */)

你现在的模特是：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))

您可以通过执行以下操作来规范化输出：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))
model.add(Lambda(lambda x: f(x))