TensorFlowJS 的简单线性回归答案

【问题标题】：Simple linear regression with TensorFlowJSTensorFlowJS 的简单线性回归
【发布时间】：2018-06-26 13:15:10
【问题描述】：

我正在尝试为一个项目进行一些线性回归。由于我习惯了 Javascript，因此我决定尝试使用 TensorFlowJS。

我正在关注他们网站上的教程，并观看了一些解释其工作原理的视频，但我仍然无法理解为什么我的算法没有返回我期望的结果。

这是我正在做的事情：

// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Generate some synthetic data for training.
const xs = tf.tensor1d([1, 2, 3, 4]);
const ys = tf.tensor1d([1, 2, 3, 4]);

// Train the model using the data.
model.fit(xs, ys).then(() => {
  // Use the model to do inference on a data point the model hasn't seen before:
  // Open the browser devtools to see the output
  const output = model.predict(tf.tensor2d([5], [1,1]));
  console.log(Array.from(output.dataSync())[0]);
});

我在这里尝试制作一个线性图，其中输入应始终等于输出。

我试图预测输入5 会得到什么，但输出似乎是随机的。

这里在 codepen 上，你可以试试：https://codepen.io/anon/pen/RJJNeO?editors=0011

【问题讨论】：

标签： javascript tensorflow tensorflow.js

【解决方案1】：

您的模型仅在 一个 epoch（一个训练周期）后进行预测。结果损失仍然很大，导致预测不准确。

模型的权重随机初始化。所以只有一个时期，预测是非常随机的。这就是为什么需要训练一个以上的时期，或者在每批之后更新权重（这里你也只有一批）。要查看训练期间的损失，您可以这样更改拟合方法：

model.fit(xs, ys, { 
  callbacks: {
      onEpochEnd: (epoch, log) => {
        // display loss
        console.log(epoch, log.loss);
      }
    }}).then(() => {
  // make the prediction after one epoch
})

为了得到准确的预测，你可以增加 epoch 的数量

 model.fit(xs, ys, {
      epochs: 50,  
      callbacks: {
          onEpochEnd: (epoch, log) => {
            // display loss
            console.log(epoch, log.loss);
          }
        }}).then(() => {
      // make the prediction after one epoch
    })

这是一个 sn-p，它显示了增加 epoch 的数量将如何帮助模型表现良好

// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Generate some synthetic data for training.
const xs = tf.tensor1d([1, 2, 3, 4]);
const ys = tf.tensor1d([1, 2, 3, 4]);

// Train the model using the data.
model.fit(xs, ys, {
  epochs: 50,
  callbacks: {
      onEpochEnd: (epoch, log) => {
        console.log(epoch, log.loss);
      }
    }}).then(() => {
  // Use the model to do inference on a data point the model hasn't seen before:
  // Open the browser devtools to see the output
  const output = model.predict(tf.tensor2d([6], [1,1]));
  output.print();
});

<html>
  <head>
    <!-- Load TensorFlow.js -->
    <script src="https://cdnjs.cloudflare.com/ajax/libs/tensorflow/0.12.4/tf.js"> </script>
  </head>

  <body>
  </body>
</html>

【讨论】：

【解决方案2】：

您的训练数据需要比模型形状多一维，以反映训练批次。所以 x 和 y 至少需要 2D。

【讨论】：