python - 精度下降但损失下降的Keras序列分类模型

Question

model=Sequential()
model.add(LSTM(32, input_shape=(n_timesteps,n_features)))
model.add(Dropout(0.3))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(n_outputs, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer=keras.optimizers.Adam(lr=0.0001), 
metrics=['accuracy'])

我有上面的序列分类模型。大约有 14000 个类。训练示例的形状是 (50,59)，即 50 行和 59 个特征。数据是分批次的，一个批次准确度不错，但是下一批就破坏了准确度。

标签： pythontensorflowmachine-learningkerasdeep-learning