Tensorflow 模型总是预测相同的错误值

Question

我实际上是在学习在 nodejs 中构建机器学习：为此我选择 tensorflow API。此机器学习的目标是提供 14 个条目的输入，并 return 一个与这 14 个条目相关的数字。（我不能描述更多的背景，因为我在实习，我不知道我是否允许谈论这个。）但是模型总是预测错误的值，我不知道为什么。我尝试了不同的 loss/optimizer 函数、不同的层模型配置、不同的层激活...但是模型总是给我一个浮点值。

我尝试将 input/output 值替换为 0.3，预测 return 我的值介于 0.1 和 0.3 之间。（测试了 3 次）。但是在训练过程中损失值下降，这似乎效果更好。

我也试过将训练次数增加到 1000，没有结果 :/

首先，我创建了一个函数来构建模型网络。我的模型有一个 14 个单元的输入层，然后是 2 个 5 个单元的隐藏层，然后是只有一个单元的输出层。（所有层都在'sigmoid'激活，并且是密集型。）

const get_model = async () => {
    const model = tf.sequential();

    const input_layer = tf.layers.dense({
        units: 13,
        inputShape: [14],
        activation: 'sigmoid',
    });
    model.add(input_layer)

    let left = 3;
    while(left >= 2){

        const step_layer = tf.layers.dense({
            units: 5,
            activation: 'sigmoid',
        });
        model.add(step_layer)

        left --;
    }

    const output = tf.layers.dense({
        units: 1,
        activation: 'sigmoid',
    });

    model.add(output)

    model.compile({
        optimizer: tf.train.sgd(0.01),
        loss: tf.losses.absoluteDifference,
        metrics: 'accuracy',
    })

    return model;
}

为了测试模型，在训练过程中，我总是给出一个包含 13 个数字的列表（所有值都是 100），并且我总是给出以下值：100。

const get_output = () => {
    return 100;
}
const get_input = () => {
    return [
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
        100,
    ];
}

我有两个函数可以将值转换为张量值。

const get_input_tensor = (value) => {
    return tf.tensor([value],[1,14])
}
const get_output_tensor = (value) => {
    return tf.tensor(
        [Math.floor(value)],
        [1,1]
    )
}

然后我得到模型，训练模型并尝试预测。

(async () => {
    const model = await get_model();

    let left = 20;
    while(left >= 0){
        const input = get_input();
        const output = get_output();

        await model.fit(get_input_tensor(input),get_output_tensor(output),{
            batchSize: 30,
            epochs: 10,
            shuffle: true,
        });

        left--;
    }

    const input = get_input();

    const output = model.predict(get_input_tensor(input));

    output.print();
})();

在训练过程中，损失值接近 100。这突出表明模型总是 return 接近 1 的值。

这是我训练时的控制台：

Epoch 8 / 10
eta=0.0 ====================================================================> 
11ms 10943us/step - loss=99.14 
Epoch 9 / 10
eta=0.0 ====================================================================> 
10ms 10351us/step - loss=99.14 
Epoch 10 / 10
eta=0.0 ====================================================================> 
12ms 12482us/step - loss=99.14

然后当我尝试预测时，模型 return 我的值接近 1。

这是预测的打印张量。

Tensor
     [[0.8586583],]

你能帮帮我吗？我不知道出了什么问题。是否有可能有超过 1 的预测？

Answer 1

这是一个简单的模型，可以根据 14 个值的输入预测 100。通常将输入值采样到 0 和 1 之间。它提高了最速下降算法的收敛性。

至于模型预测错误值的原因；有一般答案

(async () => {
  const model = tf.sequential({
    layers: [tf.layers.dense({units: 1, inputShape: [14], activation: 'relu', kernelInitializer: 'ones'})]
  });
  model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});
  await model.fit(tf.ones([1, 14]), tf.tensor([100], [1, 1]), {epochs: 100})
  model.predict(tf.ones([1, 14])).print();
 })()

<html>
  <head>
    <!-- Load TensorFlow.js -->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest"> </script>
  </head>

  <body>
  </body>
</html>

Answer 2

我终于解决了问题！

我的图层使用以下激活：'sigmoid'。 sigmoid 是一个值介于 0 和 1 之间的函数，这就是我得到相同值的原因。（激活'relu'并不是我所期望的）

我将激活设置为 'linear'，但是这个激活在训练期间使损失值变为 NaN，然后我将优化器切换为 adam，这解决了问题:)

Tensorflow 模型总是预测相同的错误值

Tensorflow model always predict the same wrong value

node.js

tensorflow

machine-learning

tensorflow.js