Question

这是我的代码：

model = Sequential()
model.add(Dense(50, input_dim=33, init='uniform', activation='relu'))
for u in range(3): #how to efficiently add more layers
    model.add(Dense(33, init='uniform', activation='relu'))
model.add(Dense(122, init='uniform', activation='sigmoid'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

#This line of code is an update to the question and may be responsible
model.fit(X_train, Y_train, nb_epoch=35, batch_size=20, validation_split=0.2, callbacks=[EarlyStopping(monitor='val_loss', patience=10)])

它正在运行时代并且在准确性方面变得越来越好，但随后损失开始变得很低，而且准确度也在下降。我使用model.predict并从中获得了错误。

任何人都得到了修复？

Answer 1

如果您使用categorical_crossentropy作为损失函数，则模型的最后一层应为softmax。

您正在使用sigmoid，它有可能使输出的所有维度接近0，这将导致丢失溢出，因此nan。

我如何防止损失：在我适应我的keras模型的同时？

1 个答案: