python reseau de neuronne avec keras, la prédiction retour des valeurs incohérente

Bonjour, je suis en tain de mettre au point un réseau de neuronne en python avec keras pour faire des additions

Comme input/output j’ai ce fichier csv

1
2
3
4
5
6

1,2,3
3,3,6
4,5,9
10,8,18
1,3,4
5,3,8

qui se lit de cette façon : 1+2=3 3+3=6 4+5=9 …etc.

j’ai donc monter le réseau de neuronne avec keras :

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

from keras.models import Sequential
from keras.layers import Dense
import numpy

seed = 7
numpy.random.seed(seed)

dataset = numpy.loadtxt("data.csv", delimiter=",")

X = dataset[:,0:2]
Y = dataset[:,2]

model = Sequential()
model.add(Dense(12, input_dim=2, init='uniform', activation='relu'))
model.add(Dense(2, init='uniform', activation='relu'))
model.add(Dense(1, input_dim=2, init='uniform', activation='linear'))


model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, epochs=150, batch_size=10,  verbose=2)


predictions = model.predict(X)
rounded = [round(x[0]) for x in predictions]
print(rounded)

j’utilise bien une fonction d’activation qui est censé me retourner des valeurs > 1 (pas comme la sigmoïde que l’on retrouve assez souvent) mais poutant j’ai comme output ceci 1,1,1,3,1,1,1…etc.

j’ai quasi que des 1 pourquoi ? j’ai essayé de jouer sur les valeur en augmentant/diminuant les nombre dans la fonction dense mais il n’y a aucun changement.

Chouette, du Keras

j’utilise bien une fonction d’activation qui est censé me retourner des valeurs > 1

Hmm, pourquoi ? Une activation ’linear’ c’est littéralement f(x) = x (donc pas d’activation en fait). Aucune raison que ce soit supérieur à 1.

Je pense que tu n’as simplement pas assez de données pour entraîner ton réseau. Pour vérifier, je te conseille d’afficher l’historique du training :

1
2

history = model.fit(X, Y, epochs=150, batch_size=10,  verbose=2)
print(history.history)

Regarde l’accuracy finale, et surtout l’évolution de la loss.