使用 keras 进行预测时的错误

Question

我正在尝试使用神经网络来近似对数正态分布 pdf（仅作为练习）。但是，model.predict() 总是返回 1。这是我的代码

import tensorflow as tf
import numpy as np
from scipy.stats import lognorm
from tensorflow import keras

mu = 5
sig =1
data = np.linspace(0,600,10000)
labels =lognorm.pdf(data,sig,0,np.exp(mu))

model = keras.Sequential()
model.add(keras.layers.Dense(64,input_shape=(1,),activation='sigmoid'))
model.add(keras.layers.Dense(64, activation='sigmoid'))
model.add(keras.layers.Dense(1, activation='softmax'))

model.compile(optimizer=tf.train.AdamOptimizer(0.001),
          loss='mse',
          metrics=['accuracy'])
model.fit(data, labels, epochs=1)

# Now test

x = np.random.lognormal(mu, sig, 100)
y =lognorm.pdf(x,sig,0,np.exp(mu))

score = model.evaluate(x, y)
# score = [0.9951245284080505, 0.0]

# Now try prediction

newx = np.linspace(600,1000,50)
newy = model.predict(newx)
score2 = model.evaluate(newx, newy)
# score2 = [0.0, 1.0]

score2 是 0，但它不应该是。有人能帮我找出我做错的地方吗？

Answer 1

您的最后一层是 softmax，它尝试获取最高的输出字段并将其对齐到值 1，同时缩放其他所有内容。

Softmax 主要用于分类问题，在这种情况下，您想清楚地声明一个潜在的输出是“正确的”。

在这种情况下，您只有一个输出，它打算表示一个介于 0 和 1 之间的值，所以我可能会在最后一层使用另一个 sigmoid。