培训acc减少，验证-增加。 培训损失，验证损失减少

Question

我正在尝试实施LRCN，但是我在培训方面遇到障碍。 目前，我仅尝试单独训练CNN模块，然后将其连接到RNN。 您在下面看到的结果是到目前为止我可能获得的最好的结果。 问题在于，除了训练的准确性外，其他一切似乎都进展顺利。 它正在逐渐下降。

我的模型在FC层之间存在急剧下降，因此这可能是一个原因，但是，您仍然认为这些结果有问题吗？如果它们继续保持这种趋势，我应该如何改变？

可以预测的数字类为3.代码用Keras编写。

时代1/20 16602/16602 [==============================]-2430s 146ms / step-loss：1.2583-acc ：0.3391-val_loss：1.1373-val_acc：0.3306

纪元00001：val_acc从-inf改进为0.33058，将模型保存为权重01-1.14.hdf5纪元2/20 16602/16602 [===================== =========]-2441s 147ms / step-损失：1.1998-acc：0.3356-val_loss：1.1342-val_acc：0.3719

时代00002：val_acc从0.33058改进为0.37190，将模型保存为权重.02-1.13.hdf5时代3/20 8123/16602 [=============> ........ ........]]-预计到达时间：20：30-损失：1.1889-累计：0.3325

我还有2个简短的问题，我暂时无法回答。

1. 为什么我从自定义视频数据生成器输出的张量的尺寸为(4, 288, 224, 1)但是输入形状的图层却生成为(None, 288, 224, 1) ？ 为了澄清形状，我将在非时间分布的CNN中将包含单个图像的4个批次进行分类。 我使用功能性API。
2. 稍后，当我训练RNN时，我将必须按时间步长进行预测，然后将其平均并选择最佳预测作为我的整体模型预测的预测。 metrics ['accuracy']是这样做还是我需要自定义指标函数？ 如果是后者，我该如何根据： Keras doc编写一个。 the results from evaluating a metric are not used when training the model 。 为此，我是否需要自定义目标（损失）功能？

任何帮助，专业知识将不胜感激，我真的很需要它。 先感谢您！

Answer 1

只要损失不断下降，准确性最终就会开始增长。 由于您只训练了2-3个纪元，因此精度可能会波动是正常的。

至于您的其他问题：

1. 图层的输入形状的概念是(batchSize, dim1, dim2, nChannels) 。 由于您的模型在训练之前不知道批次大小，因此将None用作占位符。 图像尺寸似乎是正确的，并且“通道数”为1表示您不使用彩色图像，因此每个像素只有一个条目。
2. 我认为准确度指标应该可以用，但是我没有RNN的经验，所以也许有人可以回答这个问题。