我正在尝试训练一个模型来预测网页上的设计模式。我使用的是一组元素分组的边界矩形的坐标。模式看起来像这样：
[[elementId, width, height, x, y]]所以我的目标是根据[[elementId, width, height]]预测[[x,y]]。
具体来说：
[[5, 1.0, 1.0], [4, 1.0, 1.0], [2, 175.0, 65.0], [2, 1.0, 1.0], [4, 1.0, 1.0]] -> [[0.0, 0.0], [0.0, 10.0], [3.0, 0.0], [0.0, 68.0], [0.0, 10.0]] [[2, 14.0, 14.0], [2, 14.0, 14.0], [2, 14.0, 14.0]] -> [[0.0, 3.0], [0.0, 3.0], [0.0, 3.0]]模式大小不一，所以我用[[0,0,0]]填充它们。目前我有大约15k个这样的模式，但可以获取更多。
有人告诉我，对于这项任务，带有注意力机制的seq2seq是合适的模型。我从https://machinelearningmastery.com/develop-encoder-decoder-model-sequence-sequence-prediction-keras/开始，结果非常糟糕。
我能找到的所有seq2seq示例（搜索keras或pytorch）都用于分类任务的翻译，我很难找到一个好的基于回归的示例。
所以我的问题是：
-
这种模型（编码器/解码器LSTM）是否适合我正在尝试做的事情？
-
如果是，有没有例子？
回答：
Seq2Seq/LSTM在输入/输出长度可变时使用。
你的输入大小为3，输出大小为2（至少在给定的例子中是这样）。因此，你可以使用一个简单的单层或双层前馈模型，并使用L2/L1损失（用于回归）。任何优化器（SGD/Adam）都可以，但实际上Adam表现很好。
此外，我认为你不应该直接使用坐标，你可以对其进行缩放，使最高坐标为1，这样输入/输出的范围将在0到1之间。这样做的额外好处是，这将帮助你直观地适应不同的屏幕尺寸。
