Блог

Я просто вхожу в мир глубокого обучения и провел небольшой эксперимент, чтобы узнать, как настроить модель, чтобы уменьшить потери и повысить точность, независимо от того, сколько методов я перепробовал (добавить слои, нейрон и т. Д.), Но все еще не достиг своей цели … может ли кто-нибудь дать мне совет ипредложение? Спасибо!

примечание: поскольку раньше я создавал очень большую и уродливую модель, и данные не могли соответствовать модели (т. Е. Точность не увеличивалась), поэтому просто провел небольшой и простой тест, чтобы узнать, как настроить модель, кстати, в этой модели мои данные очень похожи на данные этого небольшого эксперимента (фондовый рынокданные, очень случайные), поэтому попробуйте использовать эти данные, чтобы узнать больше…Спасибо!

вот мой код, он очень простой:

 import pandas as pd
from tensorflow.keras import layers
from sklearn.preprocessing import StandardScaler

x1 = pd.DataFrame(np.round(np.random.rand(100, 2)*100,0))
y1 = pd.DataFrame(np.round(np.random.rand(100, 1)*100,0))
scale = StandardScaler() #z-scaler物件
xx1 = pd.DataFrame(scale.fit_transform(x1), columns=x1.keys())
yy1 = pd.DataFrame(scale.fit_transform(y1), columns=y1.keys())
the_input =  keras.Input(shape=(2))
x = layers.Dense(500)(the_input)
for i in range(50):
    x = layers.Dense(500, activation='linear')(x)
    if i%5 ==0 : x = layers.LayerNormalization(axis=1)(x)

main_output_1 = layers.Dense(1, name='mo_1')(x)
model = keras.Model(inputs=the_input, outputs=main_output_1, name='DELS_model')
model.compile(loss="mean_squared_error", optimizer='RMSprop', metrics=['accuracy'])