Tôi đào tạo một vấn đề hồi quy mạng thần kinh trong Keras. Tại sao đầu ra chỉ là một Kích thước, độ chính xác trong mỗi Epoch luôn hiển thị acc: 0.0000e + 00?Độ chính xác không đào tạo mạng nơron trong Keras
như sau:
1000/199873 [..............................] - ETA: 5s - mất mát: 0,0057 - acc: 0,0000e + 00
2000/199873 [..............................] - ETA: 4s - mất: 0,0058 - acc: 0,0000e + 00
3000/199873 [........................... ...] - ETA: 3s - mất: 0,0057 - acc: 0,0000e + 00
4000/199873 [....................... .......] - ETA: 3s - mất: 0,0060 - acc: 0,0000e + 00 ...
198000/199873 [============================>.] - ETA: 0s - loss : 0,0055 - acc: 0,0000e + 00
199000/199873 [============================>.] - ETA : 0 - mất: 0,0055 - acc: 0,000000 + 00
199873/199873 [============================= =] - 4s - mất: 0,0055 - acc: 0.0000e + 00 - val_loss: 0,0180 - val_acc: 0.0000e + 00
Epoch 50/50
Nhưng nếu đầu ra là hai Dimension hoặc cao hơn, không có vấn đề gì về tính chính xác.
Mô hình của tôi như sau: `
input_dim = 14
batch_size = 1000
nb_epoch = 50
lrelu = LeakyReLU(alpha = 0.1)
model = Sequential()
model.add(Dense(126, input_dim=input_dim)) #Dense(output_dim(also hidden wight), input_dim = input_dim)
model.add(lrelu) #Activation
model.add(Dense(252))
model.add(lrelu)
model.add(Dense(1))
model.add(Activation('linear'))
model.compile(loss= 'mean_squared_error', optimizer='Adam', metrics=['accuracy'])
model.summary()
history = model.fit(X_train_1, y_train_1[:,0:1],
batch_size=batch_size,
nb_epoch=nb_epoch,
verbose=1,
validation_split=0.2)
loss = history.history.get('loss')
acc = history.history.get('acc')
val_loss = history.history.get('val_loss')
val_acc = history.history.get('val_acc')
'''saving model'''
from keras.models import load_model
model.save('XXXXX')
del model
'''loading model'''
model = load_model('XXXXX')
'''prediction'''
pred = model.predict(X_train_1, batch_size, verbose=1)
ans = [np.argmax(r) for r in y_train_1[:,0:1]]
Cảm ơn bạn đã trả lời của bạn, nhưng nó vẫn hiển thị các acc: 0.0000e + 00. – soartseng