keras - 验证损失和准确性上升
问题描述
我正在使用 MLP 进行分类
这是我的模型
model = keras.Sequential([
keras.layers.Flatten(input_shape=(X.shape[1], X.shape[2])),
keras.layers.Dense(2048, activation='relu'),
keras.layers.Dropout(0.1),
keras.layers.Dense(512, activation='relu'),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
lr_schedule = keras.optimizers.schedules.ExponentialDecay(0.00015, decay_steps=1000, decay_rate=0.96, staircase=True)
optimiser = keras.optimizers.Adam(learning_rate=lr_schedule)
model.compile(optimizer=optimiser, loss='sparse_categorical_crossentropy', metrics=['accuracy'])
我注意到训练/验证损失和准确性(图像)验证损失随着验证准确性的增加而增加。
随着准确性的提高,损失不应该减少吗?
解决方案
推荐阅读
- kubernetes - 如何防止 GCE Kubernetes pod 在 GPU 实例上工作?
- vuetify.js - Vuetify 1.5 到 2.0 断点上的列换行
- python - 你能在 Python 中返回一个 return 语句吗?
- reactjs - 如何从自定义函数中调用路由转换?
- ios - 柯南错误:我需要为 os:iOS 与我的 Macos 交叉构建包,但是当第一个包完成时,它在测试时破坏了我的 cpt
- python-2.7 - sqlite 选择前一天不存在的记录
- git - Git 合并从功能分支的某个提交开始
- python - 如何仅读取工作表中的粗体单元格?
- java - 当同一个对象运行回调时重新创建对象的设计模式
- c# - 允许在字符串中间输入一些字符