所以这个问题可能源于对 tensorflow 缺乏了解。但我正在尝试构建一个多层感知器tensorflow 2.0，但没有Keras。

原因是我的机器学习课程要求我们不使用 keras。为什么你可能会问？我不知道。

我已经tensorflow 2.0用 Keras 轻松实现了我们的模型，现在我想在没有keras.

这是我的问题。每当我在 上查找文档时Tensorflow 2.0，甚至自定义培训指南都在使用 Keras。

据我了解，占位符和会话已成为过去tensorflow 2.0，因此我有点不确定如何构建它。

我可以制作张量对象。我的印象是我需要使用 Eager Execution 并使用渐变胶带。但我仍然不确定如何将这些东西放在一起。

现在我的问题是。我应该从哪里获得更好的理解？哪个方向下降最大？

请告诉我我是否做错了这个堆栈溢出帖子。这是我第一次来这里。

我实现了策略梯度方法来学习未知函数（这里是一个 10 循环求和函数），但是模型没有更新。学习数据是输入和目标。func2 包括用于预测目标数的 MLP 模型。代码如下：

我找不到梯度都是 0 的原因。这个问题让我困惑了 2 天。任何人都可以帮助我吗？

这篇文档文章解释了如何为分类任务应用多层感知器。我有一个长度为 80 的输入特征向量，想训练一个多层感知器将输入向量分为两类——0 和 1。我的输出层包含 1 个节点。

问题 1）我希望分类器具有二进制输出，但模型输出实数值（介于0和之间1）。为什么会发生这种情况以及如何将其转换为二进制类？教程链接中没有提到如何获得二进制值标签，即在最后一层使用什么函数。

澄清一下，一旦计算出模型输出（以下是前 4 个输出值），

我可以使用一个简单的阈值函数bin_target = y>=0.5，例如所有大于或等于 0.5 的数字都标记为 1，其余的标记为 0。但是，手动选择阈值对我来说似乎是任意的。

问题 2) MSE 的计算：是否应该计算已知二进制值目标Y和实值模型输出之间的均方误差y或简单误差来报告性能perfClassify = y_bin - Y？

下面的代码是我对数据进行分类的尝试inputs。

请参见下面的示例：

问题是要了解我的 ANN 是如何留在内部的。

我希望这个例子使用 20 个神经元作为输入层，两个隐藏层 200 和 100 个神经元，一个输出层有 1 个神经元，因为我的问题是二元分类。

输入层 (20) --- 隐藏层 1 (200) --- 隐藏层 2 (100) --- 输出层 (1)

我知道在“hidden_​​layer_sizes”中只会插入隐藏层，但是我们如何指示输入和输出层呢？以及“GridSearchCV”如何交替隐藏层中的神经元数量以找到最佳配置？

我试图用 MLP 解决机器学习问题。所以我有这个特殊的文件，其中有很多矩阵，每个矩阵有 21 行和 43 列，由 ******** 分隔，其中第一行是模拟，接下来的 20 是响应（每列代表一个属性，名称是在文件请求时写的，但我删除了它们，因为我认为我不需要它们）。到目前为止我已经编写了代码（我知道有更好的解决方案，但我看不到它..），我无法避免这个错误。我的逻辑是：我将模拟和响应分开在一些阵列中进行模拟。

我使用下面的代码使用 keras 构建了一个 MLP。

总结是

我想知道这个 MLP 有多少隐藏层。我们应该将 3 称为此隐藏层的数量还是 4 个隐藏层。总层数是 5（输入 + 3 隐藏 + 1 输出（softmax）？

你能帮我创建一个“RLearner_regr_mlp.R”吗？我需要用 MLR 包中的 mlp 解决回归问题，但我无法创建它的训练函数和预测方法。

我写了一个适合给定函数的简单神经网络的最小示例（用于回归的多层感知器）。

在训练过程中，损失按预期减少，模型运行良好。但是，精度始终保持恒定并等于 0.0，我不明白为什么。我在这里想念什么？

我猜有一些技术细节会阻止准确性更新？

训练过程和生成的模型可以在这个链接中看到

非常感谢您提供的任何帮助！;)

PS-这是重现此结果的最小示例：

trainData.shape = (25000, 700, 50) ，形状如下：

trainLabel.shape = (25000,) , , 形状如下：

使用它们来训练 MLP 模型，我应该如何重塑 trainData 和 trainLabel ？详细代码如下：

请帮忙。