Python Keras预测

我在理解Keras如何处理数据以及为什么我的模型不能相应地工作方面遇到了问题。我正在尝试建立一个小模型，可以根据经度和纬度的输入来预测城市

我希望看到的是，当我做一个预测时，例如，城市数组的第一个索引，我希望看到输出数组索引为零，以具有最大的激活值

我当前的Keras和Tensorflow车型

数据 纬度和经度数据在0/1之间标准化

cities = [];

cities.append([60.1695213,24.9354496]); #1
cities.append([60.2052002,24.6522007]); #2
cities.append([61.4991112,23.7871208]); #3
cities.append([64.222176,27.72785]);    #4
cities.append([60.4514809,22.2686901]); #5
cities.append([65.0123596,25.4681606]); #6
cities.append([60.9826698,25.6615105]); #7
cities.append([62.8923798,27.6770306]); #8
cities.append([62.2414703,25.7208805]); #9
cities.append([61.4833298,21.7833309]); #10
cities.append([61.0587082,28.1887093]); #11
cities.append([63.0960007,21.6157703]); #12
cities.append([60.4664001,26.9458199]); #13
cities.append([62.601181,29.7631607]); #14
cities.append([60.9959602,24.4643402]); #15
cities.append([60.3923302,25.6650696]); #16
cities.append([61.6885681,27.2722702]); #17
cities.append([65.579287,24.196943]); #18
cities.append([65.986503,28.692848]); #19
cities.append([61.1272392,21.5112705]); #20

train_cities = np.array(cities);

for i in train_cities:
    i[0] = normalize(i[0],65.986503,60.1695213,0.99,0.01)
    i[1] = normalize(i[1],29.7631607,21.5112705,0.99,0.01)

train_labels = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20];

标准化经纬度

[[0.01168472 0.41784541]
 [0.01769563 0.38420658]
 [0.23568373 0.28146911]
 [0.69444458 0.74947275]
 [0.05918709 0.10113927]
 [0.82756859 0.48111052]
 [0.14867768 0.50407289]
 [0.47041082 0.7434374 ]
 [0.36075063 0.51112371]
 [0.233025   0.04349768]
 [0.16148804 0.80420471]
 [0.50471529 0.02359807]
 [0.06170056 0.65659833]
 [0.42135191 0.99118761]
 [0.15091674 0.36189614]
 [0.04922184 0.50449557]
 [0.26760196 0.69536778]
 [0.92308013 0.33013987]
 [0.99168472 0.86407655]
 [0.17303361 0.01118761]]

型号

model = keras.Sequential([
    keras.layers.Dense(10, activation=tf.nn.relu, input_shape = (2,)),
    keras.layers.Dense(20, activation=tf.nn.softmax)
]);

model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_cities, train_labels, epochs=50)

预测

model.fit(train_cities, train_labels, epochs=50)

我想用这些数据做的只是将一个城市索引数组输入到网络中，并获得相应的标签

我得到一个nan索引的输出数组

array([[nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
        nan, nan, nan, nan, nan, nan, nan]], dtype=float32)

此外，网络似乎没有真正学习，原因我不明白

Epoch 50/50
20/20 [==============================] - 0s 200us/step - loss: nan - acc: 0.0000e+00

任何帮助都将不胜感激

归一化函数

def normalize(value,maxValue,minValue,maxRange,minRange):
    return ((value - (minValue - 0.01)) * (maxRange - (minRange))) / ((maxValue - 0.01) - (minValue - 0.01)) + (minRange)

---

不清楚什么是

列车标签

。如果与

标签

相同，则需要将最后一层的输出设置为

21

，而不是

20

，因为在keras中，标签从

0

开始。或者您可以将标签重新定义为从

0

到

19

。否则，您的代码就可以了，并且可以在我的电脑上运行。在

~1900

时代之后，我的

准确率达到了100%

。

函数从何而来？看起来int在

sklearn中不常见。预处理导入normalize

normalize函数是我自己编写的，用于获取0/1之间的值。我为这篇文章添加了代码。是的，train_labels=labels，我不确定它是需要numpy数组还是普通的python数组格式，我忘了把它放在描述中了。啊，现在我知道问题出在哪里了，我没有意识到标签值也应该从0开始。我认为使用np.array或标准python列表作为keras的输入并不重要。两者都会起作用