基于MATLAB和Keras的浅层网络具有非常不同的结果
全部 我首先建立了一个matlab神经网络模型,然后我尝试使用keras建立同样的神经网络。 但结果却大不相同。matlab R=0.9,keras R=0.2。 Matlab: 对于keras代码:基于MATLAB和Keras的浅层网络具有非常不同的结果,matlab,keras,Matlab,Keras,全部 我首先建立了一个matlab神经网络模型,然后我尝试使用keras建立同样的神经网络。 但结果却大不相同。matlab R=0.9,keras R=0.2。 Matlab: 对于keras代码: def build_model(): model=keras.Sequential([layers.Dense(3,activation='tanh',kernel_initializer='random_normal',bias_initializer='zeros',input_shape=
def build_model():
model=keras.Sequential([layers.Dense(3,activation='tanh',kernel_initializer='random_normal',bias_initializer='zeros',input_shape=
[len(train_dataset.keys())]),
layers.Dense(15,
activation='linear',kernel_initializer='random_normal',bias_initializer='zeros'),
layers.Dense(1)
])
optimizer = tf.keras.optimizers.SGD(0.0001,decay=0.0)
model.compile(loss='mse',
optimizer=optimizer,
metrics=['mae', 'mse'])
return model
如何配置keras,使其与Matlab相比具有一定的性能
谢谢
def build_model():
model=keras.Sequential([layers.Dense(3,activation='tanh',kernel_initializer='random_normal',bias_initializer='zeros',input_shape=
[len(train_dataset.keys())]),
layers.Dense(15,
activation='linear',kernel_initializer='random_normal',bias_initializer='zeros'),
layers.Dense(1)
])
optimizer = tf.keras.optimizers.SGD(0.0001,decay=0.0)
model.compile(loss='mse',
optimizer=optimizer,
metrics=['mae', 'mse'])
return model