如何使用我的keras TensorFlow模型減少損失？

Question

因此，我有一個大約140,000個樣本的數據集，其中有5個輸入，汽車的速度，汽車的加速度，領先汽車的雷達速度，領頭車的距離以及領頭車的加速度。 輸出從0到1,0最大制動，1是最大加速。

我是神經網絡的初學者，所以我無法優化我的模型以獲得這些數據的最佳准確度/損失。 我一直在嘗試更改優化器，激活功能，隱藏層數，層中節點數等，但似乎沒有什么能夠降低一段時間內的損失。

這是我目前的型號：

opt = keras.optimizers.Adam(lr=0.001, decay=1e-6)
model = Sequential()
model.add(Dense(5, activation="tanh", input_shape=(x_train.shape[1:])))
for i in range(40):
    model.add(Dense(60, activation="relu"))
model.add(Dense(1))

我現在不太擔心過度擬合我的數據，因為我可以稍后再努力，我只是想基本記住數據，看看我能獲得多少損失，只是為了看看我是否可以改進它。 並預測經過培訓的數據，以確保它能夠返回正確的輸出。 然而，我得到的最低驗證損失約為0.015 ，這絕對不會在我的測試中返回當前輸出，它的准確率約為90％。

有什么我做錯了嗎？ 我應該增加我的模型大小，還是減少它？ 我嘗試過的任何東西似乎都沒有用。 我還確保將我的5個輸入和1個輸出正常化。 似乎它在幾個時代之后永遠不會學到任何東西。

謝謝，如果有人決定幫我解決這個非常具體的問題。

Answer 1

我想幫忙，但那里沒有太多的信息。

首先，網絡的目標是什么？ 這很難說，你想減少損失什么。 你的損失功能是什么？ 你的標簽是什么？ 這似乎是一個經典的強化學習問題，而不是傳統的監督學習問題。 數據結構如何？ 我假設他們以某種得分“跑”了？

一個毯子的東西，這可能是太多的層次。

大部分時間使用網絡最大的改進來自清理數據（我們認為這很好）並且弄亂你的損失功能。 最好先從一個簡單的模型開始，然后弄清楚是否需要更多。

還有這個，這是強化學習，但它是一個很好的例子https://github.com/lexfridman/deeptraffic