[英]Why is the neural network not learning the curve?
出于实验目的,我使用 tf.keras 构建一个神经网络,其中一个神经元连接到 sigmoid。 要学习的目标曲线是:
#target function
f = lambda x: - 1./(np.exp(10.*x)+1.)
我从曲线中抽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)
model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'])
但它不会学习曲线。 测试代码是
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,见
https://colab.research.google.com/drive/1LQ9MXjrMxsImc80o6wMk1oKfeadnNaG3
会有明显的错误,有人可以帮忙吗?
sigmoid
激活 function 只能 output 值介于 0 和 1 之间。由于f(x)
的所有值都是负数,因此无法学习 ZC1C425268E68385D1AB5074C17A94F4。
处理此问题的一种方法是将值简单地标准化为[0, 1]
。 在您的情况下,只需学习f = lambda x: 1./(np.exp(10.*x)+1.)
可以了。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.