精度降低但损耗降低Keras序列分类模型

Question

model=Sequential()
model.add(LSTM(32, input_shape=(n_timesteps,n_features)))
model.add(Dropout(0.3))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.3))
model.add(Dense(n_outputs, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer=keras.optimizers.Adam(lr=0.0001), 
metrics=['accuracy'])

我有上面的序列分类模型。大约有14000个分类 训练示例的形状为（50,59），即50行和59个特征。数据被分为几批，并且一批中的准确性很好，但是下一批破坏了准确性。