keras网络无法训练

v2g6jxz6 于 2021-09-08 发布在 Java

关注(0)|答案(1)|浏览(355)

我第一次尝试做最简单的网。我为xor训练它。它不是绝对有效的。尝试每一项：不同的激活功能，层数，神经元，时间，批次，优化。。。每次结果为1,1,1,1（精度=0.5）。求求你，救命！我做错了什么？

from keras.models import Sequential
from keras.layers import Dense
from tensorflow import keras
import numpy as np

X = np.array([  [0,0],
                [0,1],
                [1,0],
                [1,1] ])
Y = np.array([[1,0,0,1]]).T

model = Sequential()
model.add(Dense(10, input_dim=2, activation='relu'))
model.add(Dense(10, activation='relu'))  
model.add(Dense(1, activation='softmax')) 

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics='accuracy')

# Traiting a model

model.fit(X, Y, epochs=100, batch_size=len(X))

# Prediction

predictions = model.predict(X)
print(predictions)

我注意到，在输出的左侧总是有1/1。但是，我想，一定有类似4/4的东西。这可能是原因吗？但我不明白怎么修复它。。。
输出的尾部：

...
...
Epoch 97/100
1/1 [==============================] - 0s 1ms/step - loss: 0.0000e+00 - accuracy: 0.5000
Epoch 98/100
1/1 [==============================] - 0s 1ms/step - loss: 0.0000e+00 - accuracy: 0.5000
Epoch 99/100
1/1 [==============================] - 0s 1ms/step - loss: 0.0000e+00 - accuracy: 0.5000
Epoch 100/100
1/1 [==============================] - 0s 1ms/step - loss: 0.0000e+00 - accuracy: 0.5000
1/1 [==============================] - 0s 165ms/step - loss: 0.0000e+00 - accuracy: 0.5000
[0.0, 0.5]
[[1.]
[1.]
[1.]
[1.]]

python keras tensorflow neural-network

来源：https://stackoverflow.com/questions/68316358/keras-network-doesnt-train

1条答案

按热度按时间

pvabu6sv1#

非常感谢大家！
下面是工作网。奇怪，训练时间太长了！我记得，几年前我做了同样的任务，但没有keras。培训几乎是即时的（当然没有任何gpu）。但这里的“亚当优化”（使用“fast relu”，我只完成了4层网络）。似乎对于这样简单的任务，函数具有相反的效果。

from keras.models import Sequential
from keras import initializers

from keras.layers import Dense
from tensorflow import keras
import numpy as np

X = np.array([0,0,
              0,1,
              1,0,
              1,1] )

X = X.reshape(4,2).astype("float32")

Y = np.array([1,
              0,
              0,
              1] )
Y = Y.reshape(4,1).astype("float32")

init_2 = initializers.TruncatedNormal(mean=0.0, stddev=0.05, seed=12345)

model = Sequential()
model.add(Dense(4, input_dim=2, activation='sigmoid', kernel_initializer=init_2, bias_initializer=init_2))
model.add(Dense(1, activation='sigmoid', kernel_initializer=init_2, bias_initializer=init_2)) 

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Traiting a model

model.fit(X, Y, epochs=7000, batch_size=4, verbose=0)

scores = model.evaluate(X, Y)
print(scores)

# Prediction

predictions = model.predict(X)
print(predictions)

赞(0）回复(0）举报 2021-09-08

我来回答

keras网络无法训练

1条答案

相关问题

热门标签

最新问答