![](/img/trans.png)
[英]python keras neural network prediction not working (outputs 0 or 1)
[英]Keras neural network outputs same result for every input
我試圖實現一個前饋神經網絡。
這是結構:輸入層:8個神經元,隱藏層:8個神經元和輸出層:8個神經元。
輸入數據是8位的矢量(輸入層的每個神經元為1位)。 神經網絡的輸出也是8位的向量。 所以總共數據集有256個例子。
示例:如果給定x = [0.0,1.0,0.0,0.0,1.0,1.0,0.0,1.0]
輸出必須是y = [1.0,0.0,0.0,0.0,0.0,1.0,0.0,1.0]
這是實施:
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import random
from math import ceil
#Dimension of layers
dim = 8
#Generate dataset
X = []
for i in range(0,2**dim):
n = [float(x) for x in bin(i)[2:]]
X.append([0.]*(dim-len(n))+n)
y = X[:]
random.shuffle(y)
X = np.array(X)
y = np.array(y)
# create model
model = Sequential()
model.add(Dense(dim, input_dim=dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))
# Compile model
model.compile(loss='mse', optimizer='SGD', metrics=['accuracy'])
# Fit the model
model.fit(X, y, nb_epoch=1000, batch_size=50, verbose=0)
# evaluate the model
scores = model.evaluate(X, y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
output = model.predict(X)
#Make the output binary
for i in range(0, output[:,0].size):
for j in range(0, output[0].size):
if output[i][j] > 0.5 or output[i][j] == 0.5:
output[i][j] = 1
else:
output[i][j] = 0
print(output)
這是我輸出的內容:
acc: 50.39%
[[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
...,
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]]
似乎所有輸出都具有相同的值。 所以我不知道配置有什么問題。 我試過這個無法訓練keras中的神經網絡 - stackoverflow建議刪除輸出層的激活函數,但是當我運行它時,我得到具有此值的所有輸出向量:
[0.1。1. ...,1.1。1.]
有關如何使其工作的任何見解?
我遇到了同樣的問題。
我建議你降低SGD的學習率。 在我的情況下,我使用了Adam優化器,lr = 0.001,但是改為0.0001解決了這個問題。
SGD的默認參數是 :
keras.optimizers.SGD(lr = 0.01,動量= 0.0,衰減= 0.0,nesterov =假)
輸出與多標簽分類相似,所以我建議:
如果您嘗試了以上所有操作並且它不起作用,則意味着您嘗試適應噪聲,輸入和輸出之間沒有連接/相關/相關性。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.