tensorflow - 关于使用 Tensorflow 的函数逼近神经网络的输出层中的单元数的问题

Question

我正在尝试实现一个密集神经网络来逼近给定函数 y=0.9x^3 + 2x^2 + 12。我创建了 50,000 个样本，其中包括 x 和相应的 y 值。第一个隐藏层必须有 12 个单元，第二个隐藏层必须有 8 个单元，最后一个必须有 4 个单元。到目前为止，这是我为实现此结构所做的工作：

model = Sequential()
model.add (Dense(12, input_shape = (50000,), activation = 'relu'))
model.add (Dense(8, activation = 'relu'))
model.add (Dense(4, activation = 'relu'))
model.add (Dense(50000, activation = 'linear')) 

我为输出层指定了 50,000 个单位，因为我的每个样本都有 50,000 个 y 值 - 这对于输出层的单位数量是否正确？

Answer 1

您正在计算一个函数，其中一个 X 作为输入，一个 Y 作为输出：

y=0.9x^3 + 2x^2 + 12

所以输入形状和输出形状都应该是1。我认为你犯了一个错误，每个样本都有50000个y值。你的功能是不可能的。您有 50000 个样本，每个样本都有 1 个 X 和 1 个 y。

例如：

x = tf.random.uniform((50000,),dtype=tf.float32, minval=0, maxval=100)#random x values
y = tf.multiply(0.9,tf.pow(x,3)) + tf.multiply(2,tf.pow(x,2)) + 12   #y= 0.9x^3 + 2x^2 + 12

然后，对您提议的模型的更改应如下所示：

model = tf.keras.models.Sequential()
model.add (Dense(12, input_shape = (1,), activation = 'relu'))
model.add (Dense(8, activation = 'relu'))
model.add (Dense(4, activation = 'relu'))
model.add (Dense(1, activation = 'linear'))