我用均方误差来计算多输出回归函数的损失函数。我使用的是一对多结构的递归神经网络模型。我的输出向量的大小是6(1*6),值是单调的(非递减的)。在
示例: y\u i=[1,3,6,13,30,57201]
我想强迫模型学习这种依赖性。因此给成本函数增加了一个约束。我在验证集中得到一个等于300的错误。我相信在编辑均方误差损失函数后,我将能够获得更好的性能。在
我使用keras来实现。这是核心模型。在
batchSize = 256
epochs = 20
samplesData = trainX
samplesLabels = trainY
print("Compiling neural network model...")
Model = Sequential()
Model.add(LSTM(input_shape = (98,),input_dim=98, output_dim=128, return_sequences=True))
Model.add(Dropout(0.2))
#Model.add(LSTM(128, return_sequences=True))
#Model.add(Dropout(0.2))
Model.add(TimeDistributedDense(7))
#rmsprop = rmsprop(lr=0.0, decay=0.0)
Model.compile(loss='mean_squared_error', optimizer='rmsprop')
Model.summary()
print("Training model...")
# learning schedule callback
#lrate = LearningRateScheduler(step_decay)
#callbacks_list = [lrate]
history = Model.fit(samplesData, samplesLabels, batch_size=batchSize, nb_epoch= epochs, verbose=1,
validation_split=0.2, show_accuracy=True)
print("model training has been completed.")
关于学习率、衰退等的其他提示。。感谢你。在
保持均方误差只是一个度量。使用平滑L1损耗代替。这是我的实现。在
相关问题 更多 >
编程相关推荐