Python 如何构造自定义图像回归问题的Keras模型？

我正在尝试使用Tensorflow 2和KerasAPI开发一个回归模型，使用png图像的自定义数据集。然而，我并不完全确定我应该使用哪些层以及如何使用。我把我认为是一个非常简单的模型放在一起作为一个起点，但是当我尝试训练模型时，输出的损失和精度值始终为0。这让我相信我的损失计算不起作用，但我不知道为什么。下面是我的源代码片段，可以找到完整的项目：

上面的代码应该读入一些存储为256 x 128 px png文件的谱图，将它们转换为张量并拟合它们，以便建立回归模型来预测值（在这种情况下，用于生成谱图的音乐的BPM）。图像文件名包含BPM，BPM除以200，生成一个介于0和1之间的值作为标签

如前所述，此代码确实成功运行，但在每个训练步骤后，打印出的损失和精度值始终精确为0.00000，并且不会改变

---

还值得注意的是，我实际上希望我的模型预测多个值，而不仅仅是一个BPM值，但这是一个单独的问题，因此我已经发布了一个单独的问题。无论如何，我想知道答案。回归模型要求损失函数相关，如“均方误差”、“均方绝对误差”、“均方绝对百分比误差”和“均方对数误差”

def gen_model():
    model = tf.keras.models.Sequential([
      tf.keras.layers.Flatten(input_shape=(256, 128, 3)),
      tf.keras.layers.Dense(512, activation='relu'),
      tf.keras.layers.Dense(512, activation='relu'),        
      tf.keras.layers.Dense(1)
    ])

    model.compile(optimizer=tf.keras.optimizers.Adam(),
                  loss='mean_squared_error',
                  metrics=['accuracy'])

    return model

---

对对于回归，您需要另一个损失函数，如

均方误差

。如果你告诉我标签是什么，我想我能给出更好的答案。我想确定你的问题是否需要回归模型。@yaho cho我试图预测一段音乐的节奏，正如我在底部所说的，我实际上试图用几个值来标记每个项目，但在调试过程中试图将其简化为一个值。理想情况下，我想预测一个BPM（每分钟拍数）值，通常在70-180范围内，精确到小数点后2位，以及一个INGISIO值（到第一次拍数的毫秒数，通常是0到1000之间的整数）。我明白了。无论如何，尝试

均方误差

进行回归。但是，我认为准确率可能很低，因为很难从图像中找到任何线性规则。在我自己执行之前我不确定。如果我遇到这个问题，我会尝试使用直方图而不是真实图像。或者，我将尝试使用y标签制作分类模型，y标签按照节奏的范围进行分类。这只是我的假设。请尝试多种方法。@yahocho谢谢你的建议。使用MSE，我确实开始看到损失值在下降！然而，正如您所怀疑的，精度存在问题，我从未看到它从0上升。确切地说，如何处理输入以及使用什么模型层是我在这个项目上的论文的主题。如果您有任何关于改善这一点的想法，我们将不胜感激！非常感谢。我的主要问题是使用了错误的损失度量，现在我使用的是mse，我获得了更多的成功。

def gen_model():
    model = tf.keras.models.Sequential([
      tf.keras.layers.Flatten(input_shape=(256, 128, 3)),
      tf.keras.layers.Dense(512, activation='relu'),
      tf.keras.layers.Dense(512, activation='relu'),        
      tf.keras.layers.Dense(1)
    ])

    model.compile(optimizer=tf.keras.optimizers.Adam(),
                  loss='mean_squared_error',
                  metrics=['accuracy'])

    return model