Я сделал нейронную сеть, используя тензорный поток, основанный на модели классификатора, для прогнозирования значения естественного потока на основе измеренных значений потока на реке для дипломного проекта.Данные поступают из CSV-файла с 2 столбцами, первый из которых представляет собой измеренный поток, а второй - естественный поток, и у меня возникли некоторые проблемы при использовании специальной функции, которая импортирует данные CSV из тензорного потока (tf.contrib.data.CsvDataset / tf.data.experimental.CsvDataset), потому что он должен включать активное выполнение, а заполнители, очевидно, не работают, когда он включен, и я не знал, как заставить его работать (, если кто-то знает, какчтобы решить эту проблему, пожалуйста, скажите мне ), поэтому я создал функцию для самостоятельного создания набора данных, преобразовав его в массив Numpy, код для которого здесь .Но когда я запускаю модель, код которой здесь , функция потерь в каждую эпоху, начиная с первой, дает 0 потерь, получая 100% точность в конце, поэтому я предполагаю, чтомодель не обучается, но я не знаю почему.
[...]
Época 27 de 50 , perda: 0.0
Época 28 de 50 , perda: 0.0
Época 29 de 50 , perda: 0.0
Época 30 de 50 , perda: 0.0
Época 31 de 50 , perda: 0.0
Época 32 de 50 , perda: 0.0
Época 33 de 50 , perda: 0.0
Época 34 de 50 , perda: 0.0
Época 35 de 50 , perda: 0.0
Época 36 de 50 , perda: 0.0
Época 37 de 50 , perda: 0.0
Época 38 de 50 , perda: 0.0
Época 39 de 50 , perda: 0.0
Época 40 de 50 , perda: 0.0
Época 41 de 50 , perda: 0.0
Época 42 de 50 , perda: 0.0
Época 43 de 50 , perda: 0.0
Acurácia: 1.0
Массивы, которые дает функция, имеют форму (~, 1), учитывая количество значений для каждого файла, находящихся вта же самая форма, что и у заполнителя, на литах я так думаю.При этом я спрашиваю, может ли кто-то догадаться, что происходит с этапом обучения модели, почему это не обучение, или если вы найдете что-то, что я могу сделать лучше в любой части кода.Если у вас есть какие-либо вопросы о том, что я пытаюсь сделать здесь, не стесняйтесь спрашивать.