2024-06-17 10:53:10 发布
网友
我在TensorFlow/python中有一个简单的图形神经网络,用于回归
我的数据集y值作为浮点数始终在[0,1]的间隔内
但是很多预测都小于0或大于1。这个问题大大降低了性能
我有没有办法在tf中设置一个限制(或间隔)来限制算法预测超出范围的内容
我在考虑在训练中施加一些惩罚
注意:我认为这与正则化不同,因为我没有过度拟合的问题
注意:我有一个相当小的数据集,大约有400个数据点
我不确定你的神经网络的结构。但是,sigmoid激活函数应将输出值限制在[0,1]之间
您可以在此处找到更多信息-https://www.tensorflow.org/api_docs/python/tf/keras/activations/sigmoid
我不确定你的神经网络的结构。但是,sigmoid激活函数应将输出值限制在[0,1]之间
您可以在此处找到更多信息-https://www.tensorflow.org/api_docs/python/tf/keras/activations/sigmoid
相关问题 更多 >
编程相关推荐