数据挖掘 - 限制模型的输出并没有提高模型评估的损失值 - 吾爱随笔录

有一个用于预测的深层模型。

输出是 0 到 80 之间的一些数字。（在数据集中，输出为 0-80）

模型损失值为 70，我想减少它。

我在通过测试值评估模型后打印了输出，并且一些预测值大于 80 或小于 0。

我决定在训练步骤中设置最后一层来预测 0-80，因此我在最终密集层之后设置了一个 lambda 层来裁剪输出值。

代码：

def relu_advanced(x):
return K.relu(x, max_value=80)

def createModel4():
model = models.Sequential()
model.add(Conv2D(256,(3, 3),
                 activation='relu',
                 input_shape=(320,20,1), padding='same'))
model.add(MaxPooling2D((2, 2)))

model.add(Conv2D(128, (3, 3), activation='relu', padding='same'))
model.add(MaxPooling2D((2, 2)))

model.add(Conv2D(64, (3, 3), activation='relu', padding='same'))
model.add(MaxPooling2D((2,2)))

model.add(Flatten())
#model.add(Dense(5*320, activation= 'relu'))
model.add(Dense(5*320))
model.add(Lambda(relu_advanced))



model.summary()
return model

我测试了有和没有 relu_advanced 的模型，不幸的是，损失值随着 advanced_relu 增加！

虽然没有大于 80 或小于零的值，但我不知道 Loss 增加会发生什么情况？

谢谢