为什么我的输出“ nan” nan&quort'keras模型预测

发布于 2025-01-23 12:10:39 字数 704 浏览 0 评论 0原文

我正在尝试使AI试图预测质数序列的数字,但是我的模型输出“ [[NAN]]”。我的CSV文件的格式是这样的:

Prime,Prime的数量

,并且包含78498行遵循此模式。

我尝试查看模型,事实证明我的输入形状(无,1)

有人知道如何解决这个问题吗?

这是我的代码:

import pandas as pd
import tensorflow as tf
from tensorflow import keras

data = pd.read_csv('primes.csv')
data = np.array(data, dtype=float)

data = data.T
numbers = np.array(data[0])
primes = np.array(data[1])

model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')
model.fit(numbers, primes, epochs=10)

results = model.predict([1000000])

print(results)

model.save('model.h5')

我使用TensorFlow:2.8.0

I'm trying to make an AI attempting to predict numbers from prime number sequence, but my model outputs "[[nan]]". My csv file is formatted like this:

number of the prime, prime

and it contains 78498 lines following this pattern.

I tried looking into the model and it turns out I have input shape of (None, 1).

Does anyone know how to fix this?

here is my code:

import pandas as pd
import tensorflow as tf
from tensorflow import keras

data = pd.read_csv('primes.csv')
data = np.array(data, dtype=float)

data = data.T
numbers = np.array(data[0])
primes = np.array(data[1])

model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
model.compile(optimizer='sgd', loss='mean_squared_error')
model.fit(numbers, primes, epochs=10)

results = model.predict([1000000])

print(results)

model.save('model.h5')

I use tensorflow: 2.8.0

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

万劫不复 2025-01-30 12:10:39

这是一个示例转换类,您可以

在这种情况下使用分类值status_mapping

statusmapping={
    'OPEN': 0,
    'PENDING': 1,
    'PAYMENT_PENDING': 2,
            }
df['status_mapping'] = df['status'].map(statusmapping)
df

您可以将这些笔记本用于NAN值

https://www.kaggle.com/code/parulpandey/a-guide/a-guide-to to and-missing-missing-missing-values-values-values-values-values-values-values-values-values-values-values-values- python

This is a sample transformation class you can use

The categorical value in this case is status_mapping

statusmapping={
    'OPEN': 0,
    'PENDING': 1,
    'PAYMENT_PENDING': 2,
            }
df['status_mapping'] = df['status'].map(statusmapping)
df

You can use these notebook for NAN values

https://www.kaggle.com/code/parulpandey/a-guide-to-handling-missing-values-in-python

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文