tenorflow.js model.predict () Печатает Тензор [[NaN],]

Question

Я совершенно новичок в машинном обучении, а также в tenorflow.js, я пытаюсь предсказать значения следующего набора, но в результате он дает мне «NaN». Что я делаю неправильно ?

После этого примера Github

 async function myFirstTfjs(arr) {
    // Create a simple model.
    const model = tf.sequential();
    model.add(tf.layers.dense({units: 1, inputShape: [2]}));

    // Prepare the model for training: Specify the loss and the optimizer.
    model.compile({
      loss: 'meanSquaredError',
      optimizer: 'sgd'
    });
    const xs = tf.tensor([[1,6],
        [2,0],
        [3,1],
        [4,2],
        [5,3],
        [6,4],
        [7,5],
        [8,6],
        [9,0],
        [10,1],
        [11,2],
        [12,3],
        [13,4],
        [14,5],
        [15,6],
        [16,0],
        [17,1],
        [18,2],
        [19,3],
        [20,4],
        [21,5],
        [22,6],
        [23,0],
        [24,1],
        [25,2],
        [26,3]]);
    const ys = tf.tensor([104780,30280,21605,42415,32710,30385,35230,97795,31985,34570,35180,30095,36175,57300,104140,30735,28715,36035,34515,42355,38355,110080,26745,35315,40365,30655], [26, 1]);
    // Train the model using the data.
    await model.fit(xs, ys, {epochs: 500});
    // Use the model to do inference on a data point the model hasn't seen.
  model.predict(tf.tensor(arr, [1, 2])).print();
  }
  myFirstTfjs([28,5]);

Answer 1

Попробуйте преобразовать ваш вывод в более читабельный и изменить ваш оптимизатор

var pred = model.predict(tf.tensor(arr, [1, 2])); var readable_output = pred.dataSync(); console.log(readable_output);

Answer 2

Происходит следующее: большие значения в ys приводят к очень большой ошибке. Эта большая ошибка в сочетании с (по умолчанию) скоростью обучения приводит к тому, что модель становится слишком корректной и нестабильной. Модель будет сходиться, если вы снизите скорость обучения.

const learningRate = 0.0001;
const optimizer = tf.train.sgd(learningRate);

model.compile({
  loss: 'meanSquaredError',
  optimizer: optimizer,      
});