如何在 tflearn 中针对 z = x/(x+y) 编写基本神经网络？
How to write a basic neural network in tflearn for z = x/(x+y)?
作为深度学习领域的新手，在阅读了大量理论之后，我试图了解神经网络如何实际学习，所以我为它提供了简单的数据集，其中输入列为 [[x,x+y ]...] 和输出列 [[x/(x+y)]...] 并使用 tflearn 进行了尝试，但即使经过无数次尝试（2 天），网络也无法将损失降至最低。即使在它最小化之后（在添加 tanh 层之后），网络预测也很遥远。有人可以帮我弄这个吗？下面是代码。
neural_net = tflearn.input_data(shape=[None, 2])
neural_net = tflearn.fully_connected(neural_net, 1,
activation='linear', bias=True)
neural_net = tflearn.regression(neural_net, optimizer='sgd',
learning_rate=0.001, loss='mean_square')
# train
model = tflearn.DNN(neural_net,tensorboard_verbose=3)
model.fit(OR, Y_truth, n_epoch=1000,
snapshot_epoch=False,validation_set=0.1,batch_size=10)
print model.get_weights(neural_net.W)
# prediction
print model.predict([[2,2]])
输出预测为 0.13946463!!
您的网络将无法学习该函数。
网络只有一个神经元。这相当于 ax+by+c 你尝试学习 a,b,c。
您的模型需要更多的非线性。您需要添加更多具有非线性激活的层和神经元，以便模型能够学习您想要的功能。
作为深度学习领域的新手，在阅读了大量理论之后，我试图了解神经网络如何实际学习，所以我为它提供了简单的数据集，其中输入列为 [[x,x+y ]...] 和输出列 [[x/(x+y)]...] 并使用 tflearn 进行了尝试，但即使经过无数次尝试（2 天），网络也无法将损失降至最低。即使在它最小化之后（在添加 tanh 层之后），网络预测也很遥远。有人可以帮我弄这个吗？下面是代码。
neural_net = tflearn.input_data(shape=[None, 2])
neural_net = tflearn.fully_connected(neural_net, 1,
activation='linear', bias=True)
neural_net = tflearn.regression(neural_net, optimizer='sgd',
learning_rate=0.001, loss='mean_square')
# train
model = tflearn.DNN(neural_net,tensorboard_verbose=3)
model.fit(OR, Y_truth, n_epoch=1000,
snapshot_epoch=False,validation_set=0.1,batch_size=10)
print model.get_weights(neural_net.W)
# prediction
print model.predict([[2,2]])
输出预测为 0.13946463!!
您的网络将无法学习该函数。
网络只有一个神经元。这相当于 ax+by+c 你尝试学习 a,b,c。
您的模型需要更多的非线性。您需要添加更多具有非线性激活的层和神经元，以便模型能够学习您想要的功能。