У меня есть вектор с 8000 случайных значений, и я хотел бы оптимизировать его, чтобы приблизить каждое значение (точку) к соответствующему оптимальному значению для оптимального вектора 8000, который у меня есть.Так что в принципе возьмите случайный вектор и превратите его в оптимальный вектор.Я думал, если бы я мог сделать это через NN, используя какую-то функцию кроссентропии, но не повезло, конвергенция не происходит.Есть идеи, как решить эту проблему векторной оптимизации?Вот что я попробовал:
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(128, input_shape=(8000,),
activation=tf.nn.sigmoid, use_bias=True))
model.add(tf.keras.layers.Dense(8000, activation=tf.nn.relu, use_bias=True))
model.compile(optimizer = tf.keras.optimizers.Adam(lr=0.01, epsilon=None,
decay=10**-4), loss='sparse_categorical_crossentropy', metrics=
['accuracy'])
Я понимаю, что эта попытка глупа.Но я сделал это мое первое усилие