我正在构建一个模型，以执行方程y=mx+c的线性回归。我生成了一个包含1999个样本的csv文件和一个可以更改归一化的模型（开/关）、层数、节点数和纪元数。我希望能够使用loss /在我事先不知道答案但对我的结果感到困惑的情况下，指导选择这些变量的训练和评估的准确性，总结如下：

Normalization   Layers  Nodes   Epochs  Start Loss  End Loss    Accuracy

TRUE               1    200       5     0.6022      0.4348      0

TRUE               1    200      50     0.5963      0.4347      0

TRUE              10    200       5     0.5249      0.4525      0

TRUE              10    200      50     0.5157      0.4418      0

TRUE              10    500       5     0.5816      0.4825      0

TRUE              10    500      50     0.5591      0.4422      0

FALSE              1    200       5   996.2897      1.8313      0

FALSE              1    200      50  1063.1994      1.7264      0

FALSE             10    200       5   421.1371     40.6160      0

FALSE             10    200      50   293.6943     46.2854      0

FALSE             10    500       5   382.2659    297.2881      0

FALSE             10    500      50   412.2182     79.7649      0

字符串
我使用的编译参数是
compile optimizer:adam loss:mean_absolute_error metrics:['accuracy'] loss_weights:[1.0]个
一个示例模型概要被

Model: "LRmodel"
_________________________________________________________________
Layer (type)                 Output Shape              Param #

LR-input (InputLayer)        [(None, 1)]                 0 
_________________________________________________________________
dense (Dense)                (None, 200)               400

_________________________________________________________________
ML-LinearRegression (Dense)  (None, 1)                 201

Total params: 601

Trainable params: 601

Non-trainable params: 0

型
拟合结果示例为

1600/1600 - 1s - loss: 1063.1994 - accuracy: 0.0000e+00 - val_loss: 90.2848 - val_accuracy: 0.0000e+00

Epoch 2/5

1600/1600 - 0s - loss: 137.8654 - accuracy: 0.0000e+00 - val_loss: 2.1525 - val_accuracy: 0.0000e+00

Epoch 3/5

1600/1600 - 0s - loss: 4.4340 - accuracy: 0.0000e+00 - val_loss: 3.4557 - val_accuracy: 0.0000e+00

Epoch 4/5

1600/1600 - 0s - loss: 1.7573 - accuracy: 0.0000e+00 - val_loss: 3.1190 - val_accuracy: 0.0000e+00

Epoch 5/5

1600/1600 - 0s - loss: 1.7264 - accuracy: 0.0000e+00 - val_loss: 3.2794 - val_accuracy: 0.0000e+00

型
此外，还有2个问题我不理解
1.有时候，拟合的损失很大，而且永远不会改变，模型无法计算结果。当这种情况发生时，我再次运行训练（有时是几次），最终得到上面描述的结果，而数据或代码没有变化。
1.规格化生成的模型比不规格化时的模型精度低。