Neural network 如何在keras(非图像识别)上建立简单的神经网络
我是keras的新手,我正在尝试建立自己的神经网络 任务: 我需要写一个系统,可以为角色做出决定,这可能会遇到一个或多个敌人。可以知道该系统:Neural network 如何在keras(非图像识别)上建立简单的神经网络,neural-network,keras,Neural Network,Keras,我是keras的新手,我正在尝试建立自己的神经网络 任务: 我需要写一个系统,可以为角色做出决定,这可能会遇到一个或多个敌人。可以知道该系统: 百分比健康特征 手枪的存在 敌人的数量 答案必须采用以下形式之一: 攻击 跑 隐藏(为了突然袭击) 无所事事 为了训练,我做了一张“课程表”: 这是我的代码: # Create first network with Keras from keras.models import Sequential from keras.layers import
- 百分比健康特征
- 手枪的存在李>
- 敌人的数量
# Create first network with Keras
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
Y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[4],[4]])
# create model
model = Sequential()
model.add(Dense(3, input_dim=3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
sgd = SGD(lr=0.001)
model.compile(loss='binary_crossentropy', optimizer=sgd, metrics=['accuracy'])
# Fit the model
model.fit(X, Y, nb_epoch=150)
# calculate predictions
predictions = model.predict(X)
# round predictions
rounded = [round(x) for x in predictions]
print(rounded)
这是我得到的预测。
[1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0]
每个历元的精度为0.2727,损失减小。
这是不对的
我试图将学习率降低10,改变激活和优化器。即使是我手动输入的数据。
有人能告诉我如何解决我的简单问题吗。thx.您的代码中有几个问题
softmax
功能的输出始终在0-1之间。。由于使用了此选项,您的模型只知道输出0-1之间的值from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy
# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)
# split into input (X) and output (Y) variables
X = numpy.array([[0.5,1,1], [0.9,1,2], [0.8,0,1], [0.3,1,1], [0.6,1,2], [0.4,0,1], [0.9,1,7], [0.5,1,4], [0.1,0,1], [0.6,1,0], [1,0,0]])
y = numpy.array([[1],[1],[1],[2],[2],[2],[3],[3],[3],[0],[0]])
from keras.utils import np_utils
Y = np_utils.to_categorical(y, 4)
# print Y
# create model
model = Sequential()
model.add(Dense(3, input_dim=3, activation='relu'))
model.add(Dense(4, activation='softmax'))
# Compile model
# sgd = SGD(lr=0.1)
# model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, nb_epoch=700)
# calculate predictions
predictions = model.predict(X)
predictions_class = predictions.argmax(axis=-1)
print(predictions_class)
注意:我使用了softmax
激活,因为类是互斥的