python - 如何在 TensorFlow 回归中指定 2 个或更多输出标签

Question

使用 TensorFlow 回归教程(请参阅:https://www.tensorflow.org/tutorials/keras/regression)作为起点，我想扩展它以考虑 2 个输出标签。应训练模型根据其他 5 个输入来预测这 2 个输出。训练数据是通过 .csv 文件定义的，该文件可以导入、定义列标题等，一切都没有问题。

到目前为止，我已使用 train_stats.pop 两次从训练集中排除 2 个“输出”列。我还在最后一层定义了 2 个节点来保存我希望模型预测的 2 个标签:

def build_model():
  model = keras.Sequential([
    layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),
    layers.Dense(64, activation='relu'),
    layers.Dense(**2**)
  ])

但是我正在努力弄清楚如何定义 2 个输出标签。一个称为“Tj”，另一个称为“Tleads”。原教程只设置了一个，即:

train_labels = train_dataset.pop('Tj')
test_labels = test_dataset.pop('Tj')

但我不知道如何重新定义这些行来设置两个标签。

欢迎咨询!

Answer 1

为了社区的利益，在此部分中提及答案(即使在评论部分中提及)。

可以通过以下方式对 2 个输出标签进行 Tensorflow 回归建模

1. 在最后一层添加2个节点
2. 为训练和测试标签集构建二维数组和
3. 展平错误直方图的 test_labels 输出。