python - 精度下降但损失下降的Keras序列分类模型
问题描述
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。
解决方案
推荐阅读
- c# - 如何根据屏幕上的触摸位置发射球?
- android - 如何以编程方式判断我的应用程序是否正在调试?
- python - 在 save() 期间 Peewee 检查“唯一约束失败”
- javascript - jquery函数在asp.net中使用Updatepanel不起作用
- php - ghostscript 9.26 更新打破了多页 PDF 的 imagick readImage
- javascript - 自定义导航栏中的下拉菜单
- java - getUIsettings.setMyLocationButtonEnabled(true) 不工作
- r - R 3.5 中的 system2() 忽略标准输出参数
- c# - 事件中的链修改
- python - ValueError:使用不是符号张量的输入调用层 concatenate_1