通过神经网络预测浮点数

Question

我想创建一个神经网络来预测一些输出。这里有两个数据样本：

290,11,2,2700,14.7,43.7,77.6
320,2.1,2,2700,2.2,31.6,62.3

前 4 列是输入，后 3 列是输出。 我用手电筒。这个问题需要多少层。或者什么是最佳学习率。 我创建了 4 层神经网络，如下所示：

self.fc1 = nn.Linear(4, 16)
self.fc2 = nn.Linear(16, 8)
self.fc3 = nn.Linear(8, 8)
self.fc4 = nn.Linear(8, 4)
self.fc5 = nn.Linear(4, 3)

学习率和时期是：

lr=0.5
epoch=100000

但在训练过程中Loss值停在242左右，并没有减少。

Epoch 7000, Loss: 242.69976806640625
Epoch 7050, Loss: 242.69976806640625
Epoch 22730, Loss: 242.69976806640625
Epoch 22740, Loss: 242.69976806640625
Epoch 35600, Loss: 242.69976806640625
Epoch 35610, Loss: 242.69973754882812
Epoch 35620, Loss: 242.69976806640625
Epoch 35630, Loss: 242.69976806640625

其他信息有：

criterion = nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr=lr)

Answer 1

您可能想使用一些激活层来学习非线性模式。