Question

我现在正在做一个小项目，但是我不知道该如何构建模型。

因此，输入数为27，输出数为163。

我需要通过训练来找到权重和偏见，并且通过使用包括relu和dropout在内的5层来完成此工作。

当我从张量板上看到关于训练损失和验证损失的成本图时，看起来还不错。

1）但是，我还需要关注的是均匀性，其计算方法如下：

uniformity = (max. of y - min. of y) / (max. of y + max. of y)

我有给定的真实均匀性数据，当我从y_predict值中找到均匀性时，与真实均匀性值的差异太大。

在训练时是否有任何方法可以增加均匀性，从而不仅在乎寻找合适的权重和偏见，而且还可以保持均匀性？

谢谢！

Answer 1

您可以在训练过程中将均匀性约束纳入损失函数中。

def my_loss(labels, predictions):
  lambda_ = 0.01
  return tf.losses.mean_squared_error(labels, predictions) + \
         lambda_ * uniformity(labels) / uniformity(predictions)

设置两个不同的多元回归层

1 个答案: