[英]Keras model.predict() returning same prediction output for all values in test inputs
我正在使用Keras構建神經網絡,並且模型成功編譯,並且已經對數據進行了歸一化。
但是,當我使用model.predict(xtest)時,每個預測的輸出都獲得相同的值
def model_final():
model = models.Sequential()
model.add(layers.Dense(64, activation='relu',
input_shape=(xtrain.shape[1],),
kernel_regularizer = regularizers.l2(0.001)))
model.add(layers.Dense(64, activation='relu',
kernel_regularizer = regularizers.l2(0.001)))
model.add(layers.Dense(1))
model.compile(optimizer='rmsprop', loss='mse', metrics=['mae'])
return model
model = model_final()
model_final = model.fit(xtrain, ytrain, epochs = 100, batch_size = 10, verbose = 0)
model_final_eval = model.evaluate(xtest, ytest)
為此,我得到以下均方誤差和湄:
214/214 [==============================] - 3s 14ms/step
[1.9285373412534785e-06, 0.00061284683733987052]
然后,當我使用model.predict(xtest)
我得到以下輸出:
array([[ 0.0014801],
[ 0.0014801],
[ 0.0014801],...
對於model.predict
所有值。
我假設數據集中所有值的完全相同的預測值是不正確的。
建議?
謝謝!
model
未經訓練,應使用model_final.predict(...)
您是否在同一腳本上調用predict
? 如果沒有,您可能必須加載砝碼。
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.