AI - Keras 構建模型

Question

輸入 X = [[1,1,1,1,1], [1,2,1,3,7], [3,1,5,7,8]] 等等。輸出 Y = [[0.77] ,[0.63],[0.77],[1.26]] 等。

輸入 x 表示一些組合示例

["car", "black", "sport", "xenon", "5dor"] 
["car", "red", "sport", "noxenon", "3dor"] etc...

輸出意味着一些組合分數。

我需要的？ 我需要預測組合是好是壞....

數據集大小 10k..

模型：

model.add(Dense(20, input_dim = 5, activation = 'relu'))
model.add(Dense(20, activation = 'relu'))
model.add(Dense(1, activation = 'linear'))

優化器 = adam，損失 = mse，驗證分割 0.2，紀元 30

時間：

Epoch 1/30
238/238 [==============================] - 0s 783us/step - loss: 29.8973 - val_loss: 19.0270
Epoch 2/30
238/238 [==============================] - 0s 599us/step - loss: 29.6696 - val_loss: 19.0100
Epoch 3/30
238/238 [==============================] - 0s 579us/step - loss: 29.6606 - val_loss: 19.0066
Epoch 4/30
238/238 [==============================] - 0s 583us/step - loss: 29.6579 - val_loss: 19.0050
Epoch 5/30

不好沒有意義...

我需要一些好的文檔如何正確設置或構建模型...

Answer 1

只是試圖重現。 我的結果和你的不一樣。 請檢查：

import tensorflow as tf
from tensorflow.keras.layers import Input, Dense
from tensorflow.keras import Model
inputA = Input(shape=(5, ))
x = Dense(20, activation='relu')(inputA)
x = Dense(20, activation='relu')(x)
x = Dense(1, activation='linear')(x)
model = Model(inputs=inputA, outputs=x)
model.compile(optimizer = 'adam', loss = 'mse')
input = tf.random.uniform([10000, 5], 0, 10, dtype=tf.int32)
labels = tf.random.uniform([10000, 1])
model.fit(input, labels, epochs=30, validation_split=0.2)

結果：

紀元 1/30 250/250 [==============================] - 1s 3ms/step - loss: 0.1980 - val_loss : 0.1082

紀元 2/30 250/250 [==============================] - 1s 2ms/step - 損失：0.0988 - val_loss : 0.0951

紀元 3/30 250/250 [==============================] - 1s 2ms/step - 損失：0.0918 - val_loss : 0.0916

紀元 4/30 250/250 [==============================] - 1s 2ms/step - 損失：0.0892 - val_loss : 0.0872

紀元 5/30 250/250 [==============================] - 0s 2ms/步 - 損失：0.0886 - val_loss : 0.0859

紀元 6/30 250/250 [==============================] - 1s 2ms/步 - 損失：0.0864 - val_loss : 0.0860

紀元 7/30 250/250 [==============================] - 1s 3ms/step - 損失：0.0873 - val_loss : 0.0863

紀元 8/30 250/250 [==============================] - 1s 2ms/步 - 損失：0.0863 - val_loss : 0.0992

紀元 9/30 250/250 [==============================] - 0s 2ms/步 - 損失：0.0876 - val_loss : 0.0865

該模型應該適用於真實數字。