你的问题有几个问题。
首先,您的导入相当非正统(与您的问题无关,确实如此,但它有助于遵守一些约定):
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
其次,您不需要数千个 XOR 问题的示例;只有四种组合:
X = np.array([[0,0],[0,1],[1,0],[1,1]])
y = np.array([[0],[1],[1],[0]])
就这样。
第三,出于同样的原因,您实际上无法通过 XOR 获得“验证”或“测试”数据;在最简单的方法中(即您可以说在这里尝试做的事情),您只能使用这 4 种组合来测试模型学习该函数的程度(因为没有更多了!)。
第四,你应该从一个简单的单隐藏层模型开始(有点多于 2 个单元并且没有 dropout),然后逐步进行如果需要的话:
model = Sequential()
model.add(Dense(8, activation="relu", input_dim=2))
model.add(Dense(1, activation="sigmoid"))
model.compile(loss='binary_crossentropy', optimizer='adam')
model.fit(X, y, batch_size=1, epochs=1000)
这应该会将您的损失降至约 0.12;它对这个功能的学习效果如何?
model.predict(X)
# result:
array([[0.31054294],
[0.9702552 ],
[0.93392825],
[0.04611744]], dtype=float32)
y
# result:
array([[0],
[1],
[1],
[0]])
这够好吗?好吧,我不知道 - 正确的答案始终是“这取决于”!但你现在有了一个起点(即可以说是一个网络)learns某事),您可以从中进行进一步的实验......