Question

我尝试拟合keras网络，但是在每个时期中损失都是'nan'并且准确性不会改变...我试图更改时期，层数，神经元计数，学习率，优化器，我检查了nan数据数据集，通过不同的方式对数据进行规范化，但问题并未解决。感谢您的帮助。

static

np.random.seed(1337)

# example of input vector: [-1.459746, 0.2694708, ... 0.90043]
# example of output vector: [1, 0] or [0, 1]

model = Sequential()
model.add(Dense(1000, activation='tanh', init='normal', input_dim=503))
model.add(Dense(2, init='normal', activation='softmax'))

opt = optimizers.sgd(lr=0.01)
model.compile(loss="categorical_crossentropy", optimizer=opt, metrics=['accuracy'])

print(model.summary())

model.fit(x_train, y_train, batch_size=1000, nb_epoch=100, verbose=1)

Answer 1

首先按照Keras documentation中的描述将输出转换为分类：

注意：使用categorical_crossentropy损失时，您的目标应采用分类格式。为了将整数目标转换为分类目标，可以使用Keras实用程序to_categorical：

from keras.utils import to_categorical
categorical_labels = to_categorical(int_labels, num_classes=None)

Answer 2

哦，发现问题了！归一化后，输入向量中出现了一个神经元。

Keras网络拟合：损失是“难”，准确性不会改变

2 个答案: