如何在tflearn中为z = x /（x + y）编写基本神经网络？

Question

对于深度学习世界的新手，在阅读了很多理论之后，我试图理解神经网络是如何实际学习的，所以我提供了简单的数据集，其中输入列是[[x，x + y]。 ..]和输出列[[x /（x + y）] ...]并尝试使用tflearn，但即使经过无数次尝试（2天），网络也无法将损失降至最低。即使在最小化之后（在添加tanh层之后），网络预测仍然很少。有人可以帮我弄这个吗？下面是代码。

neural_net = tflearn.input_data(shape=[None, 2])

neural_net = tflearn.fully_connected(neural_net, 1, 
activation='linear', bias=True)
neural_net = tflearn.regression(neural_net, optimizer='sgd', 
learning_rate=0.001, loss='mean_square')
# train
model = tflearn.DNN(neural_net,tensorboard_verbose=3)
model.fit(OR, Y_truth, n_epoch=1000, 
snapshot_epoch=False,validation_set=0.1,batch_size=10)
print model.get_weights(neural_net.W)

# prediction
print model.predict([[2,2]])

输出预测为0.13946463 !!

Answer 1

您的网络无法学习该功能。

网络中只有一个神经元。这相当于ax + by + c，你试图学习a，b，c。

您的模型需要更多的非线性。您需要为模型添加更多具有非线性激活的图层和神经元，以便能够学习所需的功能。