我正在尝试使用keras编写一个非常简单的RNN示例,但结果并不像预期的那样 .
我的X_train是一个长度为6000的重复列表,如: 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, ...
我将其格式化为: (6000, 1, 1)
我的y_train是一个长度为6000的重复列表,如: 1, 0.8, 0.6, 0, 0, 0, 1, 0.8, 0.6, 0, ...
我将其格式化为: (6000, 1)
根据我的理解,递归神经网络应该学会正确地预测0.8和0.6,因为它可以记住两个步前的X_train中的1 .
我的模特:
model=Sequential()
model.add(SimpleRNN(input_dim=1, output_dim=50))
model.add(Dense(output_dim=1, activation = "sigmoid"))
model.compile(loss="mse", optimizer="rmsprop")
model.fit(X_train, y_train, nb_epoch=10, batch_size=32)
该模型可以成功训练,损失最小〜0.1015但结果不如预期 .
test case --------------------------------------------- model result -------------expected result
model.predict(np.array([[[1]]])) --------------------0.9825--------------------1
model.predict(np.array([[[1],[0]]])) ----------------0.2081--------------------0.8
model.predict(np.array([[[1],[0],[0]]])) ------------0.2778 -------------------0.6
model.predict(np.array([[[1],[0],[0],[0]]]))---------0.3186--------------------0
我在这里误解了什么?
1 回答
输入格式应该是三维的:三个组件代表样本大小,时间步数和输出维度
一旦适当地重新格式化,RNN确实能够很好地预测目标序列 .