Python Keras 预测返回 nan

Question

我在理解 Keras 如何处理数据以及为什么我的模型不能相应地工作时遇到了问题。我正在尝试构建可以根据输入的经度和纬度来预测城市的小型模型。

我希望看到的是当我进行预测时，例如，我希望看到输出数组索引为零的城市数组的第一个索引具有最大的激活值。

我目前使用 Keras 和 Tensorflow 的模型

数据 经纬度数据在0 / 1之间进行归一化

cities = [];

cities.append([60.1695213,24.9354496]); #1
cities.append([60.2052002,24.6522007]); #2
cities.append([61.4991112,23.7871208]); #3
cities.append([64.222176,27.72785]);    #4
cities.append([60.4514809,22.2686901]); #5
cities.append([65.0123596,25.4681606]); #6
cities.append([60.9826698,25.6615105]); #7
cities.append([62.8923798,27.6770306]); #8
cities.append([62.2414703,25.7208805]); #9
cities.append([61.4833298,21.7833309]); #10
cities.append([61.0587082,28.1887093]); #11
cities.append([63.0960007,21.6157703]); #12
cities.append([60.4664001,26.9458199]); #13
cities.append([62.601181,29.7631607]); #14
cities.append([60.9959602,24.4643402]); #15
cities.append([60.3923302,25.6650696]); #16
cities.append([61.6885681,27.2722702]); #17
cities.append([65.579287,24.196943]); #18
cities.append([65.986503,28.692848]); #19
cities.append([61.1272392,21.5112705]); #20

train_cities = np.array(cities);

for i in train_cities:
    i[0] = normalize(i[0],65.986503,60.1695213,0.99,0.01)
    i[1] = normalize(i[1],29.7631607,21.5112705,0.99,0.01)

train_labels = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20];

归一化的经度/纬度

[[0.01168472 0.41784541]
 [0.01769563 0.38420658]
 [0.23568373 0.28146911]
 [0.69444458 0.74947275]
 [0.05918709 0.10113927]
 [0.82756859 0.48111052]
 [0.14867768 0.50407289]
 [0.47041082 0.7434374 ]
 [0.36075063 0.51112371]
 [0.233025   0.04349768]
 [0.16148804 0.80420471]
 [0.50471529 0.02359807]
 [0.06170056 0.65659833]
 [0.42135191 0.99118761]
 [0.15091674 0.36189614]
 [0.04922184 0.50449557]
 [0.26760196 0.69536778]
 [0.92308013 0.33013987]
 [0.99168472 0.86407655]
 [0.17303361 0.01118761]]

型号

model = keras.Sequential([
    keras.layers.Dense(10, activation=tf.nn.relu, input_shape = (2,)),
    keras.layers.Dense(20, activation=tf.nn.softmax)
]);

model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_cities, train_labels, epochs=50)

预测

model.fit(train_cities, train_labels, epochs=50)

我想对这些数据做的只是将城市索引数组之一输入到网络并获取相应的标签。

我得到一个 nan 索引的输出数组

array([[nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan, nan,
        nan, nan, nan, nan, nan, nan, nan]], dtype=float32)

此外，由于我无法弄清楚的原因，网络似乎实际上并没有在学习。

Epoch 50/50
20/20 [==============================] - 0s 200us/step - loss: nan - acc: 0.0000e+00

任何帮助将不胜感激。

归一化函数

def normalize(value,maxValue,minValue,maxRange,minRange):
    return ((value - (minValue - 0.01)) * (maxRange - (minRange))) / ((maxValue - 0.01) - (minValue - 0.01)) + (minRange)

Answer 1

不清楚train_labels 是什么。如果它与labels 相同，那么您需要将最后一层的输出设为21 而不是20，因为在keras 中标签从0 开始。或者，您可以将标签重新定义为从 0 到 19。否则你的代码没问题，它可以在我的电脑上运行。在~1900 epochs 之后，我得到了100% 的准确度