Tensorflow 模型预测NaN

我正在尝试在Tensorflow.js上学习和练习。 因此，我尝试在[，2]形状的数组上训练一个神经网络，作为x（据我所知，这将模拟一个问题，其中我有x个样本，每个样本有2个变量）和一个[，1]数组作为y（如果我是正确的，这意味着我的2个变量的组合产生1个输出）

我试着编写代码：

const model = tf.sequential();
        model.add(tf.layers.dense({ units: 2, inputShape: [2] }));
        model.add(tf.layers.dense({ units: 64, inputShape: [2] }));
        model.add(tf.layers.dense({ units: 1, inputShape: [64] }));
        // Prepare the model for training: Specify the loss and the optimizer.
        model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' });

        // Generate some synthetic data for training.
        const xs = tf.tensor([[1,5], [2,10], [3,15], [4,20], [5,25], [6,30], [7,35], [8,40]], [8, 2]);
        const ys = tf.tensor([1, 2, 3, 4, 5, 6, 7, 8], [8, 1]);

        // Train the model using the data.
        model.fit(xs, ys, { epochs: 100 }).then(() => {
            // Use the model to do inference on a data point the model hasn't seen before:
            // Open the browser devtools to see the output
            model.predict(tf.tensor([10, 50], [1, 2])).print();
        });

但是，我面临的是，当我试图预测[10,50]输入时，我有以下控制台输出：

张量 [NaN]，]

所以，我认为我的问题可能很简单，但我真的被这个问题困扰着，可能是因为我缺少一些背景知识

---

谢谢大家!

第一层采用输入数据的形状

model.add(tf.layers.dense({ units: 2, inputShape: [2] }))

inputShape为[2]，这意味着您的输入x为[2]形。 最后一层

unit

值给出了输出y的尺寸

 model.add(tf.layers.dense({ units: 1, inputShape: [64] }));

所以y的形状应该是[1]

在这种情况下，

NaN

预测与您的训练记录数相关。如果将其减少到2或3，它将返回一个数值。实际上，错误与优化器更新权重的方式有关。或者，您可以将优化器更改为

adam

，这样就可以了