我想设计一个有多个输入变量(4)和多个输出(3)的神经网络模型。不知道哪里可以改进。
可能的问题:数据加载器和数据规范化:我发现我的输入数据有4个3~4位数的值,因此进行了规范化。我不确定我的方法是否正确。在
我还对输入值进行了规范化处理,虽然输出值也有很大范围的数字,但要正确预测输出值是什么。在
模型本身:我试图建立多输入多输出模型
所以我放4个输入变量,得到3个输出变量。
我应该如何改进我的模型?
(感谢您的帮助,但请使用CNN,RNN,LSTM。。。不太管用….)
损失函数与优化器当前正在使用nn.m损失()损失函数和torch.optim.SGD(模型.参数(),lr=学习率)优化器。在
然而,这使得NaN,NaN,NaN输出(可能有些数字太大了?)
试过nn.L1Loss()
在损失.项目值显著降低,但不确定这是否是我想要的值。在
我看不出结果有多大变化(学习过程)
评价指标看来我不能画出预测和y,因为它是三维矢量
也不能做简单的等式比较,因为数字在很多小数点上通常不匹配。在
在这种情况下,我应该如何评估?在
任何额外的提示或帮助都会很有帮助。
提前谢谢您#This is a dataloader that I have and did normalization with f.normalize
class Loader(dataset):
def __init__(self, data):
self.data = data
/