MATLAB的答案

使用trainnetwork正常回归

16个视图(30天)
云雨胡
云雨胡 2020年3月3日
编辑: 华法2020年5月30日
你好,
我有一个63的输入和输出的数据集的回归问题。总样本39686。
X: 63 x39686
Y: 1 x39686
我可以很容易地使用“网络= fitnet(…)”和“火车(X, Y)净”训练模式。
但我想尝试trainnetwork函数。配置层后是这样的:
层= [
sequenceInputLayer(大小(X, 1),“名字”,“sequence_In”、“正常化”、“rescale-zero-one”)
fullyConnectedLayer(20、“名称”、“fc_1”)
fullyConnectedLayer(20、“名称”、“fc_2”)
regressionLayer(“名字”,“regressionoutput”)];
和选择:
选择= trainingOptions(“个”,…
“InitialLearnRate”, 0.001,…
“详细”,假的,…
“阴谋”,“训练进步”);
然后我训练模型:
网= trainNetwork (X, Y,层,选择);
但它总是显示:
重塑元素的数量不能改变。
错误NN_training_deep(33)行
网= trainNetwork(间,Y’,层,选择);
有谁知道如何解决这个问题?

在回答这个问题。

接受的答案

Srivardhan Gadila
Srivardhan Gadila 2020年3月6日
的 outputSize 论点的 fullyConnectedLayer 之前 regressionLayer 必须 1 随着输出数量的回归问题 1 。
层= [
sequenceInputLayer(大小(X, 1),“名称”,“sequence_In”,“归一化”,“rescale-zero-one”)
fullyConnectedLayer (20,“名称”,“fc_1”)
fullyConnectedLayer (20,“名称”,“fc_2”)
fullyConnectedLayer (1,“名称”,“fc_3”)
regressionLayer (“名称”,“regressionoutput”));
3评论
显示特殊照顾年长的评论
华法
华法 2020年5月30日
编辑:华法 2020年5月30日
你好@ Srivardhan Gadila 你能解决我的问题在这个话题吗?
我有一个9输入和1输出的数据集训练数据。总样本488
B: 9 x488
F: 1 x488
我想训练我的数据使用深度学习,但当我想做.matlab r2018b什么也没给我。
这是matlab代码。
首先我用这段代码,但它给了我一些错误。
层= [
sequenceInputLayer(大小(B, 1),“名称”,“sequence_In”,“归一化”,“rescale-zero-one”)
fullyConnectedLayer (20,“名称”,“fc_1”)
fullyConnectedLayer (20,“名称”,“fc_2”)
fullyConnectedLayer (1,“名称”,“fc_3”)
regressionLayer (“名称”,“regressionoutput”));
错误使用sequenceInputLayer > iParseInputArguments(41)行
“归一化”是不是一个公认的参数。有效的名称-值对参数的列表,请参阅的文档
为这函数。
错误在sequenceInputLayer(第26行)
inputArguments = iParseInputArguments(变长度输入宗量{:});
所以我改变了代码和写这个代码。所以在第一个工作。
层= [
sequenceInputLayer(大小(b, 1),“名称”,“sequence_In”)
fullyConnectedLayer (20,“名称”,“fc_1”)
fullyConnectedLayer (20,“名称”,“fc_2”)
fullyConnectedLayer (1,“名称”,“fc_3”)
regressionLayer (“名称”,“regressionoutput”));
和编写这段代码选项。
选择= trainingOptions (“个”,“MaxEpochs”,20岁,“InitialLearnRate”,0.001,“详细”假的,“阴谋”,“训练进步”);
网= trainNetwork (B, F层,选择);
当我运行这段代码matlab中没有给我结果。使用matlab的版本我已经是R2018b
验证RMSE: N / A和其他参数的乱射的结果。我不知道是什么问题。谁能帮我解决这个错误谢谢。

登录置评。

更多的答案(0)

类别

找到更多的在并行计算和云在帮助中心和文件交换

标签

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!