为了实验的目的,我使用tf.keras建立了一个神经网络,其中一个神经元附着在乙状结肠上。要学习的目标曲线是:
#target function
f = lambda x: - 1./(np.exp(10.*x)+1.)
我从曲线上取了几个点作为训练数据
#creat training data
x_train = np.linspace(-1, 1, 111)
y_train = f(x_train)
#test data
x_test = np.linspace(-1, 1, 11)
y_test = f(x_test)
模型如下:
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(1, activation='sigmoid', input_shape=(1,), use_bias=True)
])
model.compile(optimizer=tf.keras.optimizers.Adam(0.01),
loss='mse',
metrics=['MeanAbsoluteError'])
但它不能学习曲线。测试代码为
x_test = np.linspace(-1, 1, 11)
plt.plot(x_test, f(x_test), label='true')
y_pred = model.predict(x_test)
plt.plot(x_test, y_pred, label='predict')
plt.legend()
plt.show()
代码由colab共享,请参阅
https://colab.research.google.com/drive/1LQ9MXjrMxsImc80o6wMk1oKfeadnNaG3
有明显的错误,有人能帮忙吗
sigmoid
激活函数只能输出0到1之间的值。由于f(x)
的所有值都是负数,因此无法学习该函数处理这个问题的一种方法是将值规范化为
[0, 1]
。在您的情况下,简单地学习f = lambda x: 1./(np.exp(10.*x)+1.)
就可以了相关问题 更多 >
编程相关推荐