我实际上是在学习用Node.js构建机器学习模型：我选择了tensorflow API来做这件事。这个机器学习的目标是输入14个条目，并根据这14个条目返回一个数值。（我无法详细描述上下文，因为我正在实习，我不知道是否允许谈论这些。）但模型总是预测错误的值，我不知道为什么。我尝试了不同的损失/优化函数，不同的层模型配置，不同的层激活…但模型总是给我一个浮点数值。

我尝试将输入/输出值改为0.3，预测返回给我一个介于0.1到0.3之间的值。（测试了3次）。但在训练过程中，损失值在下降，看起来效果更好。

我还尝试将训练轮次增加到1000次，没有结果 :/

首先，我创建了一个函数来构建模型网络。我的模型有一个14个单元的输入层，然后是两个5个单元的隐藏层，最后是一个只有一个单元的输出层。（所有层都使用’sigmoid’激活，并且是dense类型。）

const get_model = async () => {    const model = tf.sequential();    const input_layer = tf.layers.dense({        units: 13,        inputShape: [14],        activation: 'sigmoid',    });    model.add(input_layer)    let left = 3;    while(left >= 2){        const step_layer = tf.layers.dense({            units: 5,            activation: 'sigmoid',        });        model.add(step_layer)        left --;    }    const output = tf.layers.dense({        units: 1,        activation: 'sigmoid',    });    model.add(output)    model.compile({        optimizer: tf.train.sgd(0.01),        loss: tf.losses.absoluteDifference,        metrics: 'accuracy',    })    return model;}

为了测试模型，在训练过程中，我总是提供一个包含13个数字的列表（所有值都是100），并且我总是提供以下值：100。

const get_output = () => {    return 100;}const get_input = () => {    return [        100,        100,        100,        100,        100,        100,        100,        100,        100,        100,        100,        100,        100,        100,    ];}

我有两个函数来将值转换为张量值。

const get_input_tensor = (value) => {    return tf.tensor([value],[1,14])}const get_output_tensor = (value) => {    return tf.tensor(        [Math.floor(value)],        [1,1]    )}

然后我获取模型，训练模型并尝试预测。

(async () => {    const model = await get_model();    let left = 20;    while(left >= 0){        const input = get_input();        const output = get_output();        await model.fit(get_input_tensor(input),get_output_tensor(output),{            batchSize: 30,            epochs: 10,            shuffle: true,        });        left--;    }    const input = get_input();    const output = model.predict(get_input_tensor(input));    output.print();})();

在训练过程中，损失值接近100。这表明模型总是返回接近1的值。

这是我训练过程中的控制台输出：

Epoch 8 / 10eta=0.0 ====================================================================> 11ms 10943us/step - loss=99.14 Epoch 9 / 10eta=0.0 ====================================================================> 10ms 10351us/step - loss=99.14 Epoch 10 / 10eta=0.0 ====================================================================> 12ms 12482us/step - loss=99.14

然后当我尝试预测时，模型返回给我一个接近1的值。

这是预测的张量打印输出。

Tensor     [[0.8586583],]

你能帮我吗？我不知道哪里出了问题。是否有可能得到大于1的预测值？

回答：

我最终解决了问题！

我的层使用以下激活函数：’sigmoid’。sigmoid是一个函数，其值在0到1之间，这就是我得到相同值的原因。（激活函数’relu’并不是我所期望的）

我将激活函数设置为’linear’，但这种激活函数在训练过程中使损失值变为NaN，然后我将优化器切换到adam，这解决了问题 🙂