Keras 极高的损失，不会随着每个 epoch 减少

Question

我正在使用 Keras 构建和训练循环神经网络。

from keras.models import Sequential
from keras.layers.core import Dense, Activation, Masking
from keras.layers.recurrent import LSTM

#build and train model
in_dimension = 3
hidden_neurons = 300
out_dimension = 2

model = Sequential()
model.add(Masking([0,0,0], input_shape=(max_sequence_length, in_dimension)))
model.add(LSTM(hidden_neurons, return_sequences=True, input_shape=(max_sequence_length, in_dimension)))
model.add(LSTM(hidden_neurons, return_sequences=False))
model.add(Dense(out_dimension))
model.add(Activation('softmax'))

model.compile(loss="categorical_crossentropy", optimizer="rmsprop")
model.fit(padded_training_seqs, training_final_steps, nb_epoch=5, batch_size=1)

padded_training_seqs是一个 [latitude, longitude, temperature] 的序列数组，全部填充到相同的长度，值为 [0,0,0]。 当我训练这个网络时，第一个 epoch 给了我大约 63 的损失，并且在更多 epoch 之后增加。 这导致稍后在代码中调用model.predict以提供完全脱离训练值的值。 例如，每个序列中的大部分训练值都在[40, 40, 20]左右，但 RNN 输出的值始终在[0.4, 0.5]左右，这让我认为掩蔽层有问题。

训练 X ( padded_training_seqs ) 数据看起来像这样（只是更大）：

[
[[43.103, 27.092, 19.078], [43.496, 26.746, 19.198], [43.487, 27.363, 19.092], [44.107, 27.779, 18.487], [44.529, 27.888, 17.768]], 
[[44.538, 27.901, 17.756], [44.663, 28.073, 17.524], [44.623, 27.83, 17.401], [44.68, 28.034, 17.601], [0,0,0]],
[[47.236, 31.43, 13.905], [47.378, 31.148, 13.562], [0,0,0], [0,0,0], [0,0,0]]
]

训练 Y ( training_final_steps ) 数据如下所示：

[
[44.652, 39.649], [37.362, 54.106], [37.115, 57.66501]
]

Answer 1

我有点确定你在滥用 Keras 的遮罩层。 查看此处的文档以获取更多详细信息。

尝试使用遮罩层，例如：

model.add(Masking(0, input_shape=(max_sequence_length, in_dimension)))

因为我相信它只需要时间步维度中的掩码值，而不是整个时间维度和值（即[0,0,0]）。

祝你好运。