Как использовать Keras и TensorFlow, чтобы найти режим числа? - PullRequest
Новая
       1

Как использовать Keras и TensorFlow, чтобы найти режим числа?

1 голос
/ 20 февраля 2020

Я новичок в тензорном потоке и сверточных нейронных сетях, и я хотел бы построить ИИ, который научится находить режим чисел с плавающей запятой. Но всякий раз, когда я пытаюсь запустить код, я сталкиваюсь с некоторыми ошибками. Вот мой код: 

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Dense

train_data = [
    [0.5, 0.2, 0.2],
    [0.3, 0.3, 0.4],
    [0.4, 0.4, 0.5],
    [0.8, 0.8, 0.1]
    ]

train_labels = [
    2.0,
    3.0,
    4.0,
    8.0
    ]

test_data = [
    [0.2, 0.5, 0.2],
    [0.7, 0.1, 0.7],
    [0.6, 0.8, 0.8]
    ]

test_labels = [
    2,
    7,
    8
    ]

model = keras.Sequential()
model.add(Dense(4, activation=tf.nn.relu, input_shape=(1,)))
model.add(Dense(2, activation=tf.nn.relu))
model.add(Dense(1, activation=tf.nn.softmax))

model.compile(loss='sparse_categorical_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.summary()

EPOCHS = 2
BATCH_SIZE=1

model.fit(train_data, train_labels, epochs=EPOCHS, batch_size=BATCH_SIZE)

Однако, когда я пытаюсь запустить код, я получаю следующие ошибки: 

Traceback (most recent call last):
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 511, in _apply_op_helper
    preferred_dtype=default_dtype)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 1175, in internal_convert_to_tensor
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 977, in _TensorTensorConversionFunction
    (dtype.name, t.dtype.name, str(t)))
ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("metrics/acc/Cast_6:0", shape=(?, 1), dtype=float32)'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "testNeural.py", line 38, in <module>
    metrics=['accuracy'])
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\training\checkpointable\base.py", line 442, in _method_wrapper
    method(self, *args, **kwargs)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 499, in compile
    sample_weights=self.sample_weights)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1844, in _handle_metrics
    return_stateful_result=return_stateful_result))
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1801, in _handle_per_output_metrics
    metric_result = _call_stateless_fn(metric_fn)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1777, in _call_stateless_fn
    return weighted_metric_fn(y_true, y_pred, weights=weights, mask=mask)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training_utils.py", line 647, in weighted
    score_array = fn(y_true, y_pred)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\metrics.py", line 1533, in binary_accuracy
    return K.mean(math_ops.equal(y_true, y_pred), axis=-1)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\ops\gen_math_ops.py", line 3093, in equal
    "Equal", x=x, y=y, name=name)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 547, in _apply_op_helper
    inferred_from[input_arg.type_attr]))
TypeError: Input 'y' of 'Equal' Op has type float32 that does not match type int32 of argument 'x'.

Кто-нибудь знает, как это исправить?

Ответы [ 2 ]

0 голосов
/ 20 февраля 2020

Проблема в том, что вы пытаетесь выполнить классификацию, и поэтому для класса следует использовать целочисленные значения.

Но этот подход неверен, поскольку вы используете один нейрон для прогнозирования нескольких классов, но также потому, что классификация не может решить эту проблему. Вместо этого вы должны попытаться сделать регресс. Классификация должна использоваться при наличии ограниченного числа возможных классов, тогда как регрессия может использоваться для прогнозирования значений, которые ранее не встречались, на основе полученных шаблонов.

Для регрессии к произвольным значениям используйте None в качестве активации и mse для потеря.

Для регрессии к значениям от 0 до 1 используйте сигмовидную активацию и mse или binary_crossentropy для потери.

0 голосов
/ 20 февраля 2020

У меня есть несколько предложений

  1. использовать известные типы данных, такие как numpy float32 вместо python 2d списков
  2. форма ввода явно не (1,)
  3. попробуйте использовать регрессию + LSTM для этой задачи
  4. у вас есть 1 выходной нейрон, так почему softmax?!
  5. sparse_categorical_accuracy вместо точности
...