设置两个不同的多元回归层

Question

我现在正在做一个小项目，但我不知道应该如何构建模型。

因此，输入数为 27，输出数为 163。

我需要通过训练找到权重和偏差，我通过使用包括 relu 和 dropout 在内的 5 层来完成。

当我从张量板上看到关于训练损失和验证损失的成本图时，它看起来还不错。

1) 但是，我还需要关注的是均匀度，计算如下：

uniformity = (max. of y - min. of y) / (max. of y + max. of y)

我有一个给出的真实均匀度数据，当我从 y_predict 值中找到均匀度时，与真实均匀度值的差异太大。

有没有什么方法可以在训练时增加均匀性，让它不仅关心找到正确的权重和偏差，而且还要接近均匀性？

谢谢！

Answer 1

您可以在训练期间将均匀性约束纳入您的损失函数中。

def my_loss(labels, predictions):
  lambda_ = 0.01
  return tf.losses.mean_squared_error(labels, predictions) + \
         lambda_ * uniformity(labels) / uniformity(predictions)