TensorFlow 2训练数值平方计算模型无法正常运行问题咨询

• 模型结构不符合拟合需求：你当前只用了1层不带激活函数的Dense(1)，本质是线性模型，只能拟合y = w*x + b这类线性关系，而平方计算是二次非线性关系，线性模型根本不可能拟合该函数，需要增加带非线性激活的隐藏层。
• 损失函数选型错误：binary_crossentropy（二分类交叉熵）是面向二分类任务的损失函数，仅适用于输出是0/1类别概率的场景，你当前做的是数值回归任务，应该使用回归类损失比如mean_squared_error（均方误差）。
• 输入数据维度/类型不匹配：你生成的输入x形状是(1000,)，数据类型为int32，而Dense层默认要求输入维度为(样本数, 特征数)，同时浮点型数据更适合神经网络训练，需要调整维度并转换为float32类型。
• 训练轮数过少：仅设置5轮训练远远不足以让模型收敛到合理参数，至少需要设置数百轮训练。

import tensorflow as tf
from tensorflow import keras

# 生成输入输出，调整维度和类型
x = tf.random.uniform((1000, 1), minval=-100, maxval=100, dtype='float32')
y = tf.square(x)

# 调整模型结构，增加带激活的隐藏层
model = keras.Sequential([
    keras.layers.Dense(16, activation='relu'),
    keras.layers.Dense(16, activation='relu'),
    keras.layers.Dense(1)
])

# 改用回归损失
model.compile(loss='mean_squared_error', optimizer='adam')
# 增加训练轮数
model.fit(x, y, epochs=300, batch_size=50, verbose=0)

print(model.predict([2], verbose=0)) # 输出接近4即为正常

内容的提问来源于stack exchange，提问作者Oleg K