Tflearn网络始终为线性函数建模

时间:2018-11-05 17:34:23

标签: python tflearn

我正在尝试使用神经网络对f(x)= x ^ 2图进行建模,正在tflearn中进行建模。 但是,即使使用多个图层,当我从模型中绘制一些点时,它总是会绘制一条直线。

import numpy as np
from matplotlib import pyplot

import tflearn

x = list()
y = list()
for i in range(100):
    x.append(float(i))
    y.append(float(i**2))
features = np.array(x).reshape(len(x),1)
labels = np.array(y).reshape(len(y), 1)

g = tflearn.input_data(shape=[None, 1])
g = tflearn.fully_connected(g, 128)
g = tflearn.fully_connected(g, 64)
g = tflearn.fully_connected(g, 1)
g = tflearn.regression(g, optimizer='sgd', learning_rate=0.01,
                        loss='mean_square')

# Model training
m = tflearn.DNN(g)
m.fit(features, labels, n_epoch=100, snapshot_epoch=False)

x = list()
y = list()
for i in range(100):
    x.append(i)
    y.append(float(m.predict([[i]])))

pyplot.plot(x, y)

pyplot.plot(features, labels)

pyplot.show()

plot

绿线是x ^ 2图,蓝线是模型。

1 个答案:

答案 0 :(得分:1)

默认情况下,tflearn.fully_connected具有activation='linear',因此无论您堆叠多少层,都只能近似线性函数。

尝试使用其他激活功能,例如tflearn.fully_connected(g, 128, activation='tanh'),并在输出层保留activation='linear',以免影响输出。