python - 训练集和测试集的准确率突然下降,损失突然上升,但慢慢恢复
问题描述
在训练LSTM模型的过程中,我原本固定的学习率是0.0001,但是在训练过程中会周期性的经历损失的增加和准确率的下降,如下图。 在此处输入图像描述
我认为样本不好,但我在多个库上都有这个问题。我考虑使用学习率衰减并修改 Adam 优化器的 beta 值。虽然减震解决了,但性能会大打折扣。
所以想请教以下几个问题: 1、为什么我可以通过修改beta来解决这个问题,却导致准确率下降?2.如果是坏样本,为什么在多个数据库中都会出现这个问题?(ps:我用同样的方式提取特征,可能是因为这个吧?)会不会是模型的原因?3. 如果我想删除坏样本怎么办?
解决方案
我认为有2点:1.检查你的BN参数设置,如果你用过BN。2. - https://discuss.gluon.ai/t/topic/3386
推荐阅读
- android - 服务清单中的意图过滤器有什么用?
- c# - ASP.NET Core 2.2 IdentityUser 未使用模型检索
- android - 错误:无法解析 ':app@debug/compileClasspath' 的依赖关系:无法解析 org.jsoup:jsoup:1.11.1
- c# - UWP:创建自定义文件名限定符无效
- javascript - 为什么 OR 运算符在 Javascript 中的行为是这样的?
- regex - 在脚本中查找名称与正则表达式和当前日期匹配的文件
- javascript - 如何在 Jasmine 单元测试中监视 window.onclick
- swiftui - 图像未显示在 SwiftUI 视图中
- django-rest-framework - response.get('X-Frame-Options') 不是 None :当超过两个查询参数被传递时
- jgiven - 使用 JGiven 进行 Rest API 测试