在多输出回归NN模型中，如果每个输出具有不同的规模，我如何训练网络?

Question

model= Model(input=[x1,x2], output=[y1, y2])
model.compile((optimizer='sgd', 
loss=tf.keras.losses.MeanSquared)```

，其中y1的取值范围为[0,1]和Y2取值范围为[0,100]，x1,x2取值范围为[0,1]

Answer 1

分别规范化。先获取训练样本的统计信息

mu = [np.mean(y1_train), np.mean(y2_train)]
std = [np.std(y1_train), np.std(y2_train)]

然后对训练集和验证集的输出进行归一化

y_train_normalized = [(y[i] - mu[i]) / std[i] for i in range(2)]
y_val_normalized = [(y[i] - mu[i]) / std[i] for i in range(2)]

训练后，要恢复正确的预测，只需使用

y_recovered = [y_pred[i] * std[i] + mu[i] for i in range(2)]

必要时对x做同样的处理(当然是对x_train的统计)。