我从用顺序API和函数API编码的模型中得到了两个非常不同的结果。我的代码可能出了什么问题？
我用下面的代码开始我的代码：
np.random.seed(42)
tf.random.set_seed(42)
random.seed(42)然后，我用顺序API为18个输入特征和7个输出编写了以下模型：
model = keras.models.Sequential([
Input(shape=18),
Dense(1000, activation = "relu"),
BatchNormalization(),
Dense(1000, activation = "relu"),
BatchNormalization(),
Dense(7)
])
model.compile(optimizer=keras.optimizers.Adam(learning_rate=1e-4), loss=keras.losses.mse)
history = model.fit(X_tr, Y_tr, epochs=1000, validation_data=(X_val, Y_val))我得到的总体最小确认MSE为0.417。
然而，我不得不使用API来分别为每个输出找到MSE。因此，我尝试编写与上述模型相同的代码，如下所示：
targets = ('output1', 'output2', 'output3', 'output4', 'output5', 'output6', 'output7')
inp = Input(shape=18)
hidden1 = Dense(1000, activation = "relu")(inp)
hidden2 = BatchNormalization()(hidden1)
hidden3 = Dense(1000, activation = "relu")(hidden2)
hidden4 = BatchNormalization()(hidden3)
out = [Dense(1, name = nn)(hidden4) for nn in targets ]
modelF = keras.Model(inputs = [inp], outputs = [out])
modelF.compile(optimizer=keras.optimizers.Adam(learning_rate=1e-4), loss=keras.losses.mse)
history = modelF.fit(X_tr, Y_tr, epochs=1000, validation_data=(X_val, Y_val))但是使用这个函数API，我得到的每个输出的最小MSE超过了1284。代码有什么问题？如果它们不一样，我如何修改函数API代码以得到相同的模型，但仍然得到7个MSE而不是1个？
1条答案
按热度按时间llmtgqce1#
1.在函数API代码中获得如此高的MSE背后存在逻辑错误。
modelF = keras.模型（输入= [输入]，输出= [输出]）
与以下内容一致：
1.将在汇编阶段分别为所有产出提供损失，
编译器（优化器=keras.优化器.Adam（学习速率= 1 e-4），损失=[“mse”，“mse”，“mse”，“mse”，“mse”，“mse”，“mse”，“mse”，“mse”，“mse”]）
1.还将为培训、验证和测试阶段的所有阶段单独提供输出标签。对于培训和验证阶段，您将编写以下内容：
在一个示例中，您可以使用以下方法来创建一个历史记录modelF.fit（x = X_tr，y = [Y_tr[：，0]，Y_tr[：，1]，Y_tr[：，2]，Y_tr[：，3]，Y_tr[：，4]，Y_tr[：，5]，Y_tr[：，6] ]，时间点=1000，验证数据=（X_val，[Y_val[：，0]，Y_val[：，1]，Y_val[：，2]，Y_val[：，3]，Y_val[：，4]，Y_val[：，5]，Y_val[：，6] ]））
这将给予与顺序API代码类似的正常MSE。