如何为单输入和多输出训练回归模型？

Question

我已经训练了一个近似方程权重的回归模型： Y = R+B+G 为此，我提供了 R、B、G 和 Y 的预定值，作为训练数据，在训练模型后，模型能够成功地预测给定 R、B 和 G 值的 Y 值。我使用了具有 3 个输入的神经网络，1 个具有 2 个神经元的密集层（隐藏层）和具有单个神经元的输出层（输出）。

    hidden = tf.keras.layers.Dense(units=2, input_shape=[3])
    output = tf.keras.layers.Dense(units=1)

但是，我需要实现与此相反的操作。即，我需要训练一个模型，该模型接受 Y 的值并预测与 Y 的值相对应的 R、B 和 G 的值。 我刚刚了解到回归是关于单一输出的。因此，我无法想到解决方案和解决方法。 请帮助。
（PS 是否可以使用我已经训练过的模型来做到这一点？我的意思是，一旦确定了 R、B 和 G 的权重，是否可以操纵模型使用这些权重来映射 Y对 R、B 和 G？）

Answer 1

这是一个开始使用 tensorflow 中的神经网络解决问题的示例。

import numpy as np
from tensorflow.python.keras.layers import Input, Dense
from tensorflow.python.keras.models import Model

X=np.random.random(size=(100,1))
y=np.random.randint(0,100,size=(100,3)).astype(float)   #Regression

input1 = Input(shape=(1,))
l1 = Dense(10, activation='relu')(input1)
l2 = Dense(50, activation='relu')(l1)
l3 = Dense(50, activation='relu')(l2)
out = Dense(3)(l3)

model = Model(inputs=input1, outputs=[out])
model.compile(
    optimizer='adam',
    loss=['mean_squared_error']
    )

history = model.fit(X, [y], epochs=10, batch_size=64)