Tensorflow 禁用Keras批量标准化/标准化

我使用一个简单的Keras模型进行序列预测

我在整个系列中规范化地输入它

在训练期间，模型预测精度似乎是正确的。但是，当我绘制

model.predict（）

函数的输出时，我可以看到输出以某种方式进行了缩放。这似乎是某种标准化/标准化类型的缩放

在培训时更改批次大小会影响结果。我尝试将批量大小设置为输入集的大小，以便在单个批次中完成整个系列的培训，这提高了结果，但仍然可以缩放

我的假设是，这与每个输入批次的规范化或输出规范化有关。我的模型中没有任何

BatchNormalization

层

有没有办法禁用Keras中输入/输出的默认规范化/标准化（这种默认行为是否存在）

---

我将Keras 2与Tensorflow后端和Tensorflow 1.1一起使用。

Keras不会隐式插入BN或任何其他规范化

---

你一定在观察别的东西。

我想我遇到了和你一样的问题

我检查了Keras包中的源代码以寻找线索。在../keras/engine/training.py中，名为_standarding_user_dara（）的函数用于训练、评估和预测函数。该函数设计用于标准化输入数据（看起来是成批的），但在源代码中找不到反标准化函数

我猜Keras对输入数据进行了标准化，但对输出数据没有进行反标准化。我不确定这一点，因为我还没有检查所有的代码，这是不可能的…

---

顺便说一句，我阅读了其他一些用时间序列数据实现LSTM的代码，SKlearn包用于进行缩放和反向缩放。这可能是一个解决方案…我知道这篇文章很老，但是如果你对Keras中的标准化机制有任何想法，请告诉我，这将非常有帮助

你的最终激活层是什么？乙状结肠？谭？这些将始终输出标准化结果。（建议这样做。最好规范化培训的预期结果）最后一层的输出应该规范化。我正在使用

sigmoid

激活。这不是问题所在。我相信每个批次的输入都是标准化的（或者输出是以某种方式缩放的），似乎没有办法关闭它。为什么你认为结果是缩放的？你的“基本事实/预期结果”是什么？你的意思是培训的准确性可以，但验证数据的准确性不行吗？请提供模型，这不是Keras自动做到的。