我的实现是基于Tensorflow: custom training walkthrough和Tensorflow: introduction to modules, layers, and models的。我用定制的致密层制作了一个简单的神经网络,几乎与我链接的教程中的相同。问题是它不会学习。我哪里错了?ds.take(125).shuffle(125).batch(1)
test_ds = ds.skip(125).take(25).shuffle(25).batc
我对机器学习相当陌生,作为一项更复杂任务的练习,我正在尝试做以下我认为是一项琐碎的任务。假设作为输入,我有人口密度图。这些是带有一层的2D图像,其中每个像素都是居住在该区域的人的计数。根据这些数据,我希望我的模型能够“估计”(实际上可以计算出确切的解)居住在该密度图上的总人数。从本质上说,任务包括只接受2D输入的和。我尝试过许多体系结构,我发现越简单越好。实际上,不包含隐藏层的模型表现最好:
from keras.l
目前,我正在尝试构建一个线性回归,它使用出生率(x)作为预测因子来预测预期寿命(y)。可在以下位置找到y=w*x+b数据集:Dataset 这是我的代码的在线链接:Code 想法很简单:我运行300个时期,在每个时期内,我将一个接一个的成对样本(x值,y值)提供给梯度下降优化器,以最小化损失函数然而,我得到的结果是相当错误的。我的结果图片:my result 而不是具有负斜率,它总是导致正斜率,而样本答案提供了here结果,得到了具有负斜率的更好<em