以TensorFlow回归教程（参见：https://www.tensorflow.org/tutorials/keras/regression）为起点，我希望将其扩展到考虑两个输出标签。模型应训练以从其他5个输入中预测这两个输出。训练数据通过.csv文件定义，导入、定义列标题等都没有问题。
到目前为止，我已经使用train_stats.pop两次从训练集中排除了两个“输出”列。我还在最后一层定义了两个节点，以保存我想让模型预测的两个标签：
def build_model(): model = keras.Sequential([ layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]), layers.Dense(64, activation='relu'), layers.Dense(**2**) ])然而，我在如何定义这两个输出标签上遇到了困难。一个称为“Tj”，另一个称为“Tleads”。原教程只设置了一个，例如：
train_labels = train_dataset.pop('Tj')test_labels = test_dataset.pop('Tj')但我不知道如何重新定义这些行以设置两个标签。
欢迎建议！
回答：
为了社区的利益，在本节中提及答案（尽管它在评论部分中已被提及）。
TensorFlow回归可以通过以下方式建模为两个输出标签：
- 在
最后一层添加2个节点 - 为
训练和测试标签集构建2D数组，以及 - 为错误直方图
平坦化test_labels输出。
