1 Вопрос: Модель не сходится к распределению

вопрос создан в Wed, May 8, 2019 12:00 AM

Я все еще новичок в keras и играю с ним. Моя текущая цель - научить модель распределению. Для этого я выбрал функцию распределения numpy beta. Моя цель состояла в том, чтобы заставить модель изучить бета-распределение и сказать, будет ли значение внутри него или нет.

Итак, я создал CSV с 5000 значениями бета /прямоугольных значений, из которых модель должна извлечь уроки.

Но когда модель учится, в ней нет абсолютно никаких изменений. Кажется, у меня неправильный подход к моей проблеме, или она не может быть решена таким образом.

Я пытался изменить модель, но это не сработало.

data_size = 5000

X = np.zeros((data_size, 2))
Y = np.zeros((data_size, 1))

for i in range(np.size(X, 0)):
    X[i][0] = np.random.beta(2, 2)
    X[i][1] = np.random.random()
    Y = X[i][0]

np.savetxt('\values.csv', X, delimiter=',')
dataset = np.loadtxt('\values.csv', delimiter=',')
X_train = dataset[:, 0:2]
Y_train = dataset[:, 1]

model = Sequential()

model.add(Dense(32, input_dim=2, activation='tanh'))
model.add(Dense(16, activation='tanh'))
model.add(Dense(1, activation='softmax'))

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

model.fit(X_train, Y_train, epochs=500, batch_size=50, verbose=1, validation_split=0.2)
    
0
1 ответ                              1                         

Я перешел на GAN. Дискриминатор принимает распределение как inpu, в то время как генератор учится воспроизводить его.

Работает как чудо и нуждается в нескольких эпохах, чтобы сходиться.

    
0
2019-05-09 13: 30: 14Z
источник размещен Вот