Ich versuche, über Convolution neuronalen Netzwerk mit Tensorflow zu lernen, verwende ich den Code unten, um mein Netzwerk zu erstellen.Convolution neuronalen Netzwerk-Ausgangswert im Bereich
# network weights
W_conv1 = weight_variable([8, 8, 4, 32])
b_conv1 = bias_variable([32])
W_conv2 = weight_variable([4, 4, 32, 64])
b_conv2 = bias_variable([64])
W_conv3 = weight_variable([3, 3, 64, 64])
b_conv3 = bias_variable([64])
W_fc1 = weight_variable([1600, 512])
b_fc1 = bias_variable([512])
W_fc2 = weight_variable([512, ACTIONS])
b_fc2 = bias_variable([ACTIONS])
# input layer
s = tf.placeholder("float", [None, 80, 80, 4])
# hidden layers
h_conv1 = tf.nn.relu(conv2d(s, W_conv1, 4) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2, 2) + b_conv2)
#h_pool2 = max_pool_2x2(h_conv2)
h_conv3 = tf.nn.relu(conv2d(h_conv2, W_conv3, 1) + b_conv3)
#h_pool3 = max_pool_2x2(h_conv3)
#h_pool3_flat = tf.reshape(h_pool3, [-1, 256])
h_conv3_flat = tf.reshape(h_conv3, [-1, 1600])
h_fc1 = tf.nn.relu(tf.matmul(h_conv3_flat, W_fc1) + b_fc1)
# readout layer
readout = tf.matmul(h_fc1, W_fc2) + b_fc2
dieses Netz nehmen a [80,80,4] Ausgang eines AKTIONEN Vorhersage-Objekt, (AKTIONEN Anzahl der Klassen)
Meine Frage ist, wie man ein Netzwerk zu schaffen, dass die Ausgabe auf einem Wert zwischen [a , b]
Jeder CNN kann eine Nummer in [0, 1] ausgeben, und dann normalisieren Sie Ihren Bereich auf [0, 1], dann Problem gelöst. –