Javascript 二维简单问题中的TensorflowJS

我在玩TensorflowJS，我对我得到的（糟糕的）结果感到惊讶。 以下是我正在解决的问题： 从左上角（0,0）到右下角（1,1）有一个二维正方形。每个角点都有一种RGB颜色，如下所示：

左上角：黑色

右上角：红色

右下角：绿色

左下角：蓝色

我想推断正方形中某点的颜色

我已经建立了一个简单的Tensorflow模型。经过一次简单的训练，我在右下角进行了测试。。。我没有得到接近果岭的东西，反而得到了糟糕的结果。 你能告诉我哪里做错了吗？ 谢谢

我的结果：

Float32Array(3) [0.25062745809555054, 0.7481716275215149, 0.2501324415206909]

---

该模型使用线性激活，仅当特征和标签线性相关（y=ax+b）时才能输出正确的结果。需要使用不同的激活

通常需要对模型进行微调，这意味着需要使用一组不同的参数，直到找到具有最佳精度的模型为止——这称为微调。下面是一个模型，其中包含一组精度较低的参数。需要记住的是，这不是一组参数。它是一组参数。有关如何微调模型的信息，请参见

（异步（）=>{
const model=tf.sequential（）；
add（tf.layers.dense（{units:18，inputShape:[2]}））；
add（tf.layers.dense（{units:14，activation:'relu6'}））；
add（tf.layers.dense（{units:3，activation:'relu6'}））；
常数xs=tf.张量（[0,0,1,0,1,1,0,1]，[4,2]）；
常数ys=tf.张量（[
[0,0,0]，//黑色
[1,0,0]，//红色
[0,1,0]，//绿色
[0,0,1]，//蓝色
], [4, 3]);
常量优化器=tf.train.sgd（0.000001）
compile（{loss:'meanSquaredError'，优化器：'adam'}）；
等待模型拟合（xs，ys{
纪元：500，
回调：{onEpochEnd:（epoch，logs）=>console.log（logs.loss）}
});
常数输入=tf.张量（[1,1]，[1,2]）；
log（model.predict（input.dataSync（））；
})（）

---

您的学习算法和数据存在一些问题。但我认为最大的一个是你的图层有一个默认的（‘线性’）激活。由于输出值类似于多个类的概率，因此需要使用

操作：“softmax”

。另外，典型的机器学习数据比您在本例中使用的数据更加多样化和多变（噪音更大）。对不起，我是指

激活：
tf.layers.dense（）
调用的
softmax'
。我试图将激活设置为softmax。。。但这并没有解决问题。我用彩色画了一个正方形。请参阅下一个链接！。谢谢Edkeveke！损失值很好。。。但是当我尝试下面的方法时，我仍然有不好的结果。。。这太奇怪了！！！`var输入=tf.张量（[0,0]，[1,2]）；log（“左上角”，model.predict（input.dataSync（））；输入=tf.张量（[0,1]，[1,2]）；log（“右上角”，model.predict（input.dataSync（））；输入=tf.张量（[1,1]，[1,2]）；log（“右下角”，model.predict（input.dataSync（））；输入=tf.张量（[1,0]，[1,2]）；log（“左下角”，model.predict（input.dataSync（））`每次运行代码时，权重值都会随机初始化。根据这些值，模型预测可能是错误的。但是多次运行代码，您将看到它将预测
[0,0]
的正确值。您可以尝试保存权重值，模型精度是您所期望的。我确认。。。这是太随机依赖。。。有时左上角是好的，有时是假的。但不幸的是，我认为没有办法找到一个全局性的好解决方案。每次训练时保存模型，它们被称为检查点。在训练DL模型时，这是一件常见的事情。第二个模型比第一个模型更稳定。因为正如答案中所解释的，这是解决你正在解决的问题的方法
Float32Array(3) [0.25062745809555054, 0.7481716275215149, 0.2501324415206909]