时间戳

首页 > 解决方案 > Keras 验证准确度为 0，并且在整个训练过程中保持不变

machine-learning - Keras 验证准确度为 0，并且在整个训练过程中保持不变

问题描述

我正在使用 Python 中的 Tensorflow/Keras 进行时间序列分析。整个 LSTM 模型看起来像，

model = keras.models.Sequential()
model.add(keras.layers.LSTM(25, input_shape = (1,1), activation =    'relu', dropout = 0.2, return_sequences = False))
model.add(keras.layers.Dense(1))
model.compile(optimizer = 'adam', loss = 'mean_squared_error', metrics=['acc'])
tensorboard = keras.callbacks.TensorBoard(log_dir="logs/{}".format(time()))
es = keras.callbacks.EarlyStopping(monitor='val_acc', mode='max', verbose=1, patience=50)
mc = keras.callbacks.ModelCheckpoint('/home/sukriti/best_model.h5',   monitor='val_loss', mode='min', save_best_only=True)
history = model.fit(trainX_3d, trainY_1d, epochs=50, batch_size=10, verbose=2, validation_data = (testX_3d, testY_1d), callbacks=[mc, es, tensorboard])

我有以下结果，

Train on 14015 samples, validate on 3503 samples
Epoch 1/50
- 3s - loss: 0.0222 - acc: 7.1352e-05 - val_loss: 0.0064 - val_acc:  0.0000e+00
Epoch 2/50
- 2s - loss: 0.0120 - acc: 7.1352e-05 - val_loss: 0.0054 - val_acc: 0.0000e+00
Epoch 3/50
- 2s - loss: 0.0108 - acc: 7.1352e-05 - val_loss: 0.0047 - val_acc: 0.0000e+00

现在val_acc保持不变。正常吗？这意味着什么？

标签： machine-learningkerasneural-networktime-serieslstm

解决方案

如 所表示的loss = 'mean_squared_error'，您处于回归设置中，其中准确性毫无意义（仅在分类问题中才有意义）。

不幸的是，在这种情况下，Keras 不会“保护”您，坚持计算并报告“准确性”，尽管事实上它对您的问题没有意义且不合适 - 请参阅我在什么函数定义 Keras 中的准确性时的回答损失是均方误差（MSE）？

您应该简单地metrics=['acc']从模型编译中删除，并且不要打扰 - 在回归设置中，MSE 本身可以（并且通常确实）也可以用作性能指标。

推荐阅读