python - 堆叠 lstm 中的波动损失
问题描述
我正在训练无状态 LSTM 模型以进行具有 150 个奇数观测的单变量时间序列预测(我知道这个数字要少得多)。我使用的批量大小为 1,训练数据直到 145 个观察值,验证数据只有 5 个观察值。我在连续层中使用带有 (128, 32) 个神经元的 Stacked LSTM。使用 nadam,学习率为 0.01。还应用了耐心=300 的早期停止。(历元总数 = 1000)。
问题是训练和验证损失在迭代过程中波动很大。有什么办法可以稳定这种性能吗?
解决方案
推荐阅读
- javascript - 刷新页面后反应路由器不渲染页面
- php - PHP 上的 Viber 机器人。返回欢迎消息的onConversation问题
- javascript - Mongoose - 如何找到并列出链接到另一个集合的所有实例?
- javascript - 如何检查在一系列随机按钮中单击了哪个按钮?
- java - 你如何简单地通过java从图像中获取像素数据数组?
- html - 如何使用 jinja 动态地将两个元素放在同一行中?
- android - 创建未执行的活动时调用的函数
- reactjs - 如何在遵守钩子规则的同时正确使用 useRouter?
- java - JUnit 5 真的可以注入扩展实例吗?
- python - 尝试将使用 ursina 的 python 脚本转换为可执行文件时出错