У меня проблемы с пониманием того, как Keras работает с данными и почему моя модель не работает соответствующим образом.Я пытаюсь построить небольшую модель, которая могла бы прогнозировать города на основе ввода долготы и широты.
Что я хотел бы видеть, так это когда я делаю прогноз, например, первый индексный массив городов, который мне нуженчтобы увидеть индекс выходного массива ноль, чтобы иметь наибольшее значение активации.
Моя текущая модель с Keras & Tensorflow
Данные Данные широты и долготынормализуется в диапазоне 0/1
cities = [];
cities.append([60.1695213,24.9354496]); #1
cities.append([60.2052002,24.6522007]); #2
cities.append([61.4991112,23.7871208]); #3
cities.append([64.222176,27.72785]); #4
cities.append([60.4514809,22.2686901]); #5
cities.append([65.0123596,25.4681606]); #6
cities.append([60.9826698,25.6615105]); #7
cities.append([62.8923798,27.6770306]); #8
cities.append([62.2414703,25.7208805]); #9
cities.append([61.4833298,21.7833309]); #10
cities.append([61.0587082,28.1887093]); #11
cities.append([63.0960007,21.6157703]); #12
cities.append([60.4664001,26.9458199]); #13
cities.append([62.601181,29.7631607]); #14
cities.append([60.9959602,24.4643402]); #15
cities.append([60.3923302,25.6650696]); #16
cities.append([61.6885681,27.2722702]); #17
cities.append([65.579287,24.196943]); #18
cities.append([65.986503,28.692848]); #19
cities.append([61.1272392,21.5112705]); #20
train_cities = np.array(cities);
for i in train_cities:
i[0] = normalize(i[0],65.986503,60.1695213,0.99,0.01)
i[1] = normalize(i[1],29.7631607,21.5112705,0.99,0.01)
train_labels = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20];
нормализованная долгота / широта
[[0.01168472 0.41784541]
[0.01769563 0.38420658]
[0.23568373 0.28146911]
[0.69444458 0.74947275]
[0.05918709 0.10113927]
[0.82756859 0.48111052]
[0.14867768 0.50407289]
[0.47041082 0.7434374 ]
[0.36075063 0.51112371]
[0.233025 0.04349768]
[0.16148804 0.80420471]
[0.50471529 0.02359807]
[0.06170056 0.65659833]
[0.42135191 0.99118761]
[0.15091674 0.36189614]
[0.04922184 0.50449557]
[0.26760196 0.69536778]
[0.92308013 0.33013987]
[0.99168472 0.86407655]
[0.17303361 0.01118761]]
модель
model = keras.Sequential([
keras.layers.Dense(10, activation=tf.nn.relu, input_shape = (2,)),
keras.layers.Dense(20, activation=tf.nn.softmax)
]);
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(train_cities, train_labels, epochs=50)
Прогноз
model.fit(train_cities, train_labels, epochs=50)
Что я хотел бы сделать с этими данными, просто ввести в сеть один из индексных массивов городов и получить для него соответствующую метку.
Я получаю выходной массив с индексами nan
array([[nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
nan, nan, nan, nan, nan, nan, nan]], dtype=float32)
Также кажется, что сеть фактически не учится по причинам, которые я не могу выяснить.
Epoch 50/50
20/20 [==============================] - 0s 200us/step - loss: nan - acc: 0.0000e+00
Любая помощь будетприветствуется.
Функция нормализации
def normalize(value,maxValue,minValue,maxRange,minRange):
return ((value - (minValue - 0.01)) * (maxRange - (minRange))) / ((maxValue - 0.01) - (minValue - 0.01)) + (minRange)