python - 如何使用具有多个数据输出的 keras 进行训练然后进行预测？

Question

我需要在 python 中为 ANN 编写代码。目前，我的代码适用于三组输入 x1、x2、x3 和输出 y。但现在我需要为输入 x1、x2、x3 和输出 y1、y2 编写代码。然后在训练之后，它需要预测给定的输入。

我的训练数据文本文件为（'HittingCoordinate.txt'）：

48.024  61.8892 10.8376 0.400017    0.224192    0.4377888
39.2821 78.4852 10.806  0.400006    0.158922    0.4786495
42.3608 55.6263 14.7301 0.400102    0.190636    0.348763

我在互联网上搜索过，我发现它主要处理图像处理，这对我的情况没有帮助。

我的代码是：

seed = 7
np.random.seed(seed)
data = np.loadtxt('HittingCoordinate.txt', dtype = float)

X = data[:,0:3]
Y = (data[:,5][np.newaxis]).T

# scale units
X = X/np.amax(X, axis=0) # maximum of X array
data = np.loadtxt('Input_test.txt', dtype = float)

xPredicted_test = data[:,0:3]
xPredicted_test = xPredicted_test/np.amax(xPredicted_test, axis=0)


data = np.loadtxt('Input.txt', dtype = float)

xPredicted = data[:,0:3]
xPredicted = xPredicted/np.amax(xPredicted, axis=0)

# create model
model = Sequential()
model.add(Dense(15, input_dim=3, init='uniform', activation='sigmoid'))
model.add(Dense(10, init='uniform', activation='relu'))
model.add(Dense(5, init='uniform', activation='relu'))
model.add(Dense(3, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
adam = tf.train.AdamOptimizer(learning_rate=0.1) # the optimizer
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(X, Y, epochs=500, batch_size=50,  verbose=2)
# calculate predictions
predictions = model.predict(X)
#scores = model.evaluate(X, Y, verbose=1)
scores = model.evaluate(X, Y)
predictions_new_test = model.predict(xPredicted_test)
predictions_new = model.predict(xPredicted)
accuracy = (predictions_new_test-Y)*100/Y
print((accuracy))
np.savetxt("Prediction_keras.txt", (predictions_new))

这是代码可以处理一个输出。如何修改此代码以处理多个输出？

我将非常感激知道解决方案。谢谢你。

标签： pythonkeras