我正在努力应对Tensorflow/keras的挑战，如果有人能帮助我，那就太好了。
我在Keras中建立了一个神经网络，input_dim=3，然后是10个神经元和输出1。
输入是一个带有浮点数的3d向量，输出应该是一个简单的浮点值。
我的问题是，我不知道浮动应该如何格式化(>1，从0到1?)以及哪个损失函数可以解决这个任务(我猜不是二进制的)。我想让神经网络从3d向量中计算出一个简单的浮点值。但是它从来没有成功过，因为我的输出总是相同的。
如果我忘记了什么请告诉我，如果你有一些想法，这将是伟大的!
的问候编辑:我意识到我需要一个关于机器学习整个主题的介绍，我现在正在做这个。同时，我想知道如何使用keras来验证/实际使用机器学习。我很抱歉问了一些愚蠢的问题，但我希望也许有人能帮助我。
输入:我认为输入可能是"错误"的格式，它没有标准化等，但我转换了值，我得到的间隔如下所述。
这是我的简单模型:
model = Sequential()
model.add(Dense(10, input_dim=3, init='normal', activation='sigmoid'))
model.add(Dense(1, init='normal', activation='sigmoid'))
model.compile(loss='mse', optimizer='sgd', metrics=['accuracy'])
model.fit(X_Train, Y_Train, nb_epoch=100, batch_size=32, verbose=1)
X_Train和Y_Train是从.csv文件中提取的值。例如，我的输入值是[a,b,c,d]，其中0 <a,> 输出:
500/500时代
32/32 [==============================] - 0 -损失:0.0813 - 0.0000 acc: e + 00
示例(随机生成的值)，所有输出在0.43附近几乎相同:
[0.97650245 0.30383579 0.74829968] [[0.43473071]]
[0.94985165 0.75347051 0.72609185] [[0.43473399]]
[0.18072594 0.18540003 0.20763266] [[0.43947196]]
首先，不需要对输入样本进行规范化(或格式化)。
其次，对于零精度的问题，这是因为你使用了"精度"作为分类模型使用的度量。在您的情况下，您应该使用类似"mse"或"mae"(在Keras中)的东西作为编译方法中的度量，例如，
model.compile(loss='mse', optimizer='sgd', metrics=['mae'])
我在回答我自己的问题:
这里的问题是优化器!训练数据和其他设置并不是那么重要。你必须尝试其他优化器来改变结果。现在可以结束这个问题了。谢谢你的帮助!
将输出层更改为如下model.add(Dense(1))
请参阅讨论一个输出的回归指南。https://www.tensorflow.org/tutorials/keras/basic_regression