Keras输入/输出

Question

我正在与Tensorflow/keras的挑战作斗争，如果有人能帮我的话就太好了。在

我在Keras中建立了一个神经网络，输入μdim=3，然后是10个神经元，输出1。在

输入是一个带浮点的三维向量，输出应该是一个简单的浮点值。在

我的问题是，我不知道浮动应该如何格式化（>1，从0到1？，以及该任务的损失函数（我猜不是二进制的）。我想让神经网络从三维向量中计算出一个简单的浮点值。但它永远不会成功，因为我的输出总是一样的。在

如果我忘了什么，请告诉我，如果你有什么想法太好了！在

你好

编辑：我意识到我需要一个关于机器学习的整个主题的介绍，我现在正在做这个。同时，我想知道如何使用keras来验证/实际使用机器学习。我很抱歉问一些愚蠢的问题，但我希望有人能帮助我。在

输入：我认为输入的格式可能是“错误的”，它不是标准化的等等，但是我将得到的值转换为下面提到的间隔。在

这是我的简单模型：

model = Sequential()
model.add(Dense(10, input_dim=3, init='normal', activation='sigmoid'))
model.add(Dense(1, init='normal', activation='sigmoid'))
model.compile(loss='mse', optimizer='sgd', metrics=['accuracy'])
model.fit(X_Train, Y_Train, nb_epoch=100, batch_size=32, verbose=1)

X_Train和Y_Train是从.csv文件中提取的值。例如，我的输入值是[a，b，c，d]，其中0<；a，b，c<；1和-1<；d<；1（d是输出）。在

输出：

Epoch 500/500

32/32 [==============================] - 0s - loss: 0.0813 - acc: 0.0000e+00

示例（随机生成的值），所有输出在0.43左右几乎相同：

[ 0.97650245 0.30383579 0.74829968] [[ 0.43473071]]

[ 0.94985165 0.75347051 0.72609185] [[ 0.43473399]]

[ 0.18072594 0.18540003 0.20763266] [[ 0.43947196]]

Answer 1

将输出层更改为以下 model.add(Dense(1))

请参阅本回归指南，它讨论一个输出。 https://www.tensorflow.org/tutorials/keras/basic_regression

Answer 2

首先，不需要规范化（或格式化）输入样本。在

其次，对于零精度的问题，这是因为您使用了“准确度”作为用于分类模型的度量。在您的例子中，您应该在编译方法中使用类似“mse”或“mae”（在Keras中）作为度量，例如

model.compile(loss='mse', optimizer='sgd', metrics=['mae'])

Answer 3

我在回答我自己的问题：

这里的问题是优化器！训练数据和其他设置都不是那么重要。您必须尝试其他优化器，以改变结果。 现在可以结束这个问题了。谢谢你的帮助！在