为什么在每个时代的准确度下降到零，同时在keras中训练convlstm层？

Question

我正在尝试使用Keras 2中的ConvLSTM图层来训练动作识别模型。该模型有3个ConvLSTM层和2个完全连接层。

在每个时代，第一批（通常多于一个）的准确度为零，然后它增加到比前一个时期更多的量。例如，第一个时期结束时为0.3，下一个时期结束时为0.4，依此类推。

我的问题是为什么它在每个时代都会回归零？

P.S。

• ConvLSTM是无国籍的。
• 模型使用SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)进行编译，由于某种原因，它不会使用Adam收敛。

Answer 1

所以 - 为了理解为什么会发生这样的事情，你需要了解keras在批量计算过程中如何计算准确性：

1. 在每批之前 - 存储了许多正面分类的示例。
2. 每批次之后 - 存储了许多正面分类的示例，并在划分后通过培训中使用的所有示例进行打印。

由于您的准确性非常低，因此很可能在前几批中没有一个例子会被正确分类。特别是当你有一小批。这使得在训练开始时准确度为0。