Потеря внезапно увеличилась во время обучения и проверки в ISTM - PullRequest
Новая
       56

Потеря внезапно увеличилась во время обучения и проверки в ISTM

0 голосов
/ 12 марта 2020

Я использую модель LSTM, и потеря моего обучения и проверки выглядит следующим образом. Ось Y - это потеря проверки, ось X - эпоха, а желтый - потерю обучения, зеленый - потерю проверки.

  1. это нормально, когда потеря колеблется так же, как во время тренировки?
  2. Кажется, что все они имеют одинаковую форму, это будет проблема?
  3. Моя точность тренировок не достигла 100%, только 92%, я должен увеличить # эпох?

Это моя модель, поскольку длина каждой точки данных неодинакова, поэтому я применил маскирующий слой, а размер пакета равен 2500, а набор обучающих данных равен 30068 

model = Sequential()
model.add(Masking(mask_value=-10, input_shape=(1000, 5)))
model.add(LSTM(32))

model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
history = model.fit(X_train,y_train,validation_split=0.2,batch_size=batch_size,epochs = epochs,callbacks=callbacks_list)

Слой (тип) Выходной параметр Параметр #

masking_3 (Маскировка) (Нет, 1000, 5) 0

lstm_2 (LSTM) (Нет, 32) 4864

density_3 (Плотный) (Нет, 1) 33

Всего параметров: 4 897 Обучаемых параметров: 4 897 Необучаемых параметров: 0

...