归一化一个归一化的输出

Question

我目前正在处理 NN 问题，我正在将输入映射到输出。

我已经对输入和输出进行了归一化，使它们在同一范围内 => -1 到 1，这样我就可以使用 tanh 作为激活函数。

我似乎从训练中得到了相当不错的结果，val_loss = 0.0156。

但要实际使用数据集，我必须对输出进行非标准化，这使得它与实际输出有很大不同。

我对 NN 很陌生，但通常会进行非标准化吗？？如果不？这些问题是如何解决的？

我目前正在使用最小-最大归一化进行归一化，并且由于我存储了最大值和最小值，所以我将它们用于 return 这些值。

有关数据的更多信息：

数据集由 stft audio files, and the output is a feature vector (mfcc) 组成。由于 stft 为我提供了复数，但由于 keras 无法处理复数，因此我将实部和虚部分开，并将它们连接起来。

Answer 1

您可以使用 lambda layer 作为网络本身的一部分执行非规范化步骤。

假设您可以定义一个归一化函数：

f = K.function(/* some function */)

您当前的型号是：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))

您可以通过以下方式标准化输出：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))
model.add(Lambda(lambda x: f(x))

Unormalize an normalized output