У меня есть следующая нейронная сеть
def customLoss(yTrue,yPred):
loss_value = np.divide(abs(yTrue - yPred) , yTrue)
loss_value = tf.reduce_mean(loss_value)
return loss_value
def model(inp_size):
inp = Input(shape=(inp_size,))
x1 = Dense(100, activation='relu')((inp))
x1 = Dense(50, activation='relu')(x1)
x1 = Dense(20, activation='relu')(x1)
x1 = Dense(1, activation = 'linear')(x1)
x2 = Dense(100, activation='relu')(inp)
x2 = Dense(50, activation='relu')(x2)
x2 = Dense(20, activation='relu')(x2)
x2 = Dense(1, activation = 'linear')(x2)
x3 = Dense(100, activation='relu')(inp)
x3 = Dense(50, activation='relu')(x3)
x3 = Dense(20, activation='relu')(x3)
x3 = Dense(1, activation = 'linear')(x3)
x4 = Dense(100, activation='relu')(inp)
x4 = Dense(50, activation='relu')(x4)
x4 = Dense(20, activation='relu')(x4)
x4 = Dense(1, activation = 'linear')(x4)
x1 = Lambda(lambda x: x * baseline[0])(x1)
x2 = Lambda(lambda x: x * baseline[1])(x2)
x3 = Lambda(lambda x: x * baseline[2])(x3)
x4 = Lambda(lambda x: x * baseline[3])(x4)
out = Add()([x1, x2, x3, x4])
return Model(inputs = inp, outputs = out)
y_train=y_train.astype('float32')
y_test=y_test.astype('float32')
NN_model = Sequential()
NN_model = model(X_train.shape[1])
NN_model.compile(loss=customLoss, optimizer= 'Adamax', metrics= [customLoss])
NN_model.fit(X_train, y_train, epochs=500,verbose = 1)
train_predictions = NN_model.predict(X_train)
predictions = NN_model.predict(X_test)
MAE = customLoss (y_test, predictions)
Последний вывод - 3663/3663 [=============================] - 0s 103us / step - потеря: 0,0055 - customLoss: 0.0055
однако, когда я печатаю customLoss (y_train, train_predictions))
, я получаю 0.06469738
Я читал, что потери во время тренировок являются средними на протяжении всей эпохи, но, конечно же, конечный результат не должен быть хуже и, конечно же, не отличается на порядок?Я относительно новичок в keras, поэтому любые предложения приветствуются Спасибо!