通过人工神经网络优化向量

时间:2019-06-04 00:43:41

标签: python tensorflow keras neural-network

我有一个具有8000个随机值的向量,并希望对其进行优化,以在我拥有的最佳8000个向量上将每个值(点)近似为其各自的最佳值。因此,基本上将随机向量转换为最佳向量。我在想是否可以使用某种交叉熵函数来完成这种低谷NN,但是没有运气,收敛不会发生。关于如何解决矢量优化问题的任何想法?这是我尝试过的:

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(128, input_shape=(8000,), 
activation=tf.nn.sigmoid,  use_bias=True))
model.add(tf.keras.layers.Dense(8000, activation=tf.nn.relu,  use_bias=True))
model.compile(optimizer  = tf.keras.optimizers.Adam(lr=0.01, epsilon=None, 
decay=10**-4),  loss='sparse_categorical_crossentropy', metrics= 
['accuracy'])

我确实知道这种尝试有点愚蠢。但是我是第一时间做的

0 个答案:

没有答案