python - Keras 回归模型不能同时拟合 2 个标签

Question

我正在尝试使用 keras 进行非线性回归。我已经模拟了 90000 个数据集并用 2 个参数标记了它们。我的目标是在训练后有一个完全连接的 NN 来估计这两个参数。目前，该模型适用于仅拟合一个标签。作为测试，我尝试独立拟合每个标签，效果很好，但是当我想同时拟合两个标签时它会失败（即，模型准确预测 1 个标签，但不能准确预测另一个标签。在某些情况下，第二个标签关闭1000 倍，在其他情况下，它只是读取 [0.] ... 取决于我的输出层的激活）。1 个标签大约为 1e7，另一个标签在 0 和 1 之间变化。我尝试将两个标签标准化为介于 0 和 1 之间 - 这没有帮助。每个输入应该是一个大小为 1024 的向量并与 2 个标签相关联。

任何有关如何拟合多标记数据的帮助或文献建议将不胜感激。下面附上我的模型的代码。谢谢你。

# Build The Model
model = Sequential()

# The Input Layer :
    model.add(Dense(1024, kernel_initializer='normal', input_dim=1024, activation='relu'))

# The Hidden Layers :
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))
    model.add(Dense(1024, kernel_initializer='normal',activation='relu'))

# The Output Layer :
    model.add(Dense(2, kernel_initializer='normal', activation='relu'))

# Compile the network :
    model.compile(loss='MSE', optimizer='adam', metrics=['MSE'])
    model.summary()

标签： pythonkerasregression