Python 如何使用Keras和TensorFlow找到数字的模式？

我是tensorflow和卷积神经网络的新手，我想建立一个人工智能来学习寻找浮点数的模式。但是每当我试图运行代码时，我都会遇到一些错误。 以下是我目前的代码：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Dense

train_data = [
    [0.5, 0.2, 0.2],
    [0.3, 0.3, 0.4],
    [0.4, 0.4, 0.5],
    [0.8, 0.8, 0.1]
    ]

train_labels = [
    2.0,
    3.0,
    4.0,
    8.0
    ]

test_data = [
    [0.2, 0.5, 0.2],
    [0.7, 0.1, 0.7],
    [0.6, 0.8, 0.8]
    ]

test_labels = [
    2,
    7,
    8
    ]

model = keras.Sequential()
model.add(Dense(4, activation=tf.nn.relu, input_shape=(1,)))
model.add(Dense(2, activation=tf.nn.relu))
model.add(Dense(1, activation=tf.nn.softmax))

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

model.summary()

EPOCHS = 2
BATCH_SIZE=1

model.fit(train_data, train_labels, epochs=EPOCHS, batch_size=BATCH_SIZE)

但是，当我尝试运行代码时，会出现以下错误：

Traceback (most recent call last):
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 511, in _apply_op_helper
    preferred_dtype=default_dtype)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 1175, in internal_convert_to_tensor
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\ops.py", line 977, in _TensorTensorConversionFunction
    (dtype.name, t.dtype.name, str(t)))
ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("metrics/acc/Cast_6:0", shape=(?, 1), dtype=float32)'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "testNeural.py", line 38, in <module>
    metrics=['accuracy'])
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\training\checkpointable\base.py", line 442, in _method_wrapper
    method(self, *args, **kwargs)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 499, in compile
    sample_weights=self.sample_weights)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1844, in _handle_metrics
    return_stateful_result=return_stateful_result))
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1801, in _handle_per_output_metrics
    metric_result = _call_stateless_fn(metric_fn)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 1777, in _call_stateless_fn
    return weighted_metric_fn(y_true, y_pred, weights=weights, mask=mask)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training_utils.py", line 647, in weighted
    score_array = fn(y_true, y_pred)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\keras\metrics.py", line 1533, in binary_accuracy
    return K.mean(math_ops.equal(y_true, y_pred), axis=-1)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\ops\gen_math_ops.py", line 3093, in equal
    "Equal", x=x, y=y, name=name)
  File "C:\Users\User\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 547, in _apply_op_helper
    inferred_from[input_arg.type_attr]))
TypeError: Input 'y' of 'Equal' Op has type float32 that does not match type int32 of argument 'x'.

回溯（最近一次呼叫最后一次）：
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\framework\op_def_library.py”，第511行，位于\u apply\u op_helper中
首选类型（默认类型）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\framework\ops.py”，第1175行，内部\u convert\u-to\u tensor
ret=conversion\u func（值，dtype=dtype，name=name，as\u ref=as\u ref）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\framework\ops.py”，第977行，在_tensortensortransitionfunction中
（dtype.name，t.dtype.name，str（t）））
ValueError:Tensor转换为dtype float32的Tensor请求了dtype int32:“Tensor（“metrics/acc/Cast_6:0”，shape=（？，1），dtype=float32）”
在处理上述异常期间，发生了另一个异常：
回溯（最近一次呼叫最后一次）：
文件“testNeural.py”，第38行，在
指标=[‘准确度’]）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\training\checkpointable\base.py”，第442行，在方法包装中
方法（self、*args、**kwargs）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\engine\training.py”，第499行，编译
样本重量=自身样本重量）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\engine\training.py”，第1844行，在(处理)度量中
return\u stateful\u result=return\u stateful\u result）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\engine\training.py”，第1801行，位于每个输出度量的句柄中
度量\u结果=\u调用\u无状态\u fn（度量\u fn）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\engine\training.py”，第1777行，位于调用无状态
返回加权度量fn（y_真，y_pred，权重=权重，掩码=掩码）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\engine\training\u utils.py”，第647行，格式为
分数数组=fn（y_真，y_pred）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\keras\metrics.py”，第1533行，二进制
返回K.mean（数学运算相等（y_真，y_pred），轴=-1）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\ops\gen\u math\u ops.py”，第3093行，等号
“相等”，x=x，y=y，name=name）
文件“C:\Users\User\Anaconda3\lib\site packages\tensorflow\python\framework\op_def_library.py”，第547行，位于\u apply\u op_helper中
根据[输入参数类型属性]推断出的属性）
TypeError:“Equal”Op的输入“y”的类型float32与参数“x”的类型int32不匹配。

---

有人知道如何解决这个问题吗？

我有一些建议

使用已知的数据类型，例如numpyfloat32，而不是python2d列表

输入形状显然不是（1，）

尝试为此任务使用回归+LSTM

你有一个输出神经元，为什么是softmax

稀疏分类准确度而非准确度

---

问题是您正在尝试进行分类，因此应该为类使用整数值

但是这种方法是错误的，因为你使用一个神经元来预测多个类，但也因为分类不能解决这个问题。相反，您应该尝试进行回归。当可能的类别数量有限时，应使用分类，而回归可用于根据所学的模式预测以前从未见过的值

对于回归到任意值，使用None作为激活，使用mse作为损失

---

对于0和1之间的值的回归，使用S形激活和mse或二进制交叉熵作为损失。

这里的第4点是错误的，softmax可以处理交叉熵损失，这是正确的组合。我的意思是，你有1个输出神经元，为什么softmax？！是的，这是一个问题，但与选择损失无关。如果你说softmax在某种程度上与交叉熵损失不兼容，人们可能会被误导。那么更新是什么呢？您是否尝试实施任何答案，您的问题解决了吗？