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 中构建了一个神经网络，其中 input_dim=3，然后是 10 个神经元和输出 1。
输入是一个带有 float 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 float 应该如何格式化(>1，从 0 到 1？等等)以及哪个损失函数可以解决这个任务(我猜不是二进制)。我希望神经网络从 3d 向量中计算出一个简单的浮点值。但它永远不会成功，因为我的输出总是一样的。
如果我忘记了什么，请告诉我，如果您对此有一些想法，那就太好了!
问候
编辑:我知道我需要介绍整个机器学习主题，我现在正在做这件事。与此同时，我想知道如何使用 keras 来验证/实际使用机器学习。很抱歉提出“愚蠢”的问题，但我希望有人可以帮助我。
输入:我认为输入的格式可能“错误”，未规范化等，但我将获得的值转换为下面提到的间隔。
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，我的输入值为 [a,b,c,d]，其中 0 < a,b,c < 1 和 -1 < d < 1(d 是输出)。
输出:
Epoch 500/500
32/32 [==============================] - 0s - loss: 0.0813 - acc: 0.0000e+00
示例(随机生成的值)，所有输出在 0.43 左右几乎相同:
[ 0.97650245 0.30383579 0.74829968] [[ 0.43473071]]
[ 0.94985165 0.75347051 0.72609185] [[ 0.43473399]]
[ 0.18072594 0.18540003 0.20763266] [[ 0.43947196]]
请您参考如下方法:
首先，不需要规范化(或格式化)输入样本。
其次，对于零准确率的问题，这是因为您使用“准确率”作为用于分类模型的指标。在您的情况下，您应该在编译方法中使用类似“mse”或“mae”(在 Keras 中)的指标，例如，
model.compile(loss='mse', optimizer='sgd', metrics=['mae'])
