我有一个lstm模型,用于使用来自传感器的数据进行人类活动识别任务。
当我训练模型时,损失和准确性保持不变。一般情况下,这是什么问题?
我尝试更改学习率,但结果相同,
下面是我使用的模型
model = Sequential()
model.add(LSTM(64, return_sequences=True, recurrent_regularizer=l2(0.0015), input_shape=(timestamps,
input_dim)))
model.add(Dropout(0.5))
model.add(LSTM(64, recurrent_regularizer=l2(0.0015), input_shape=(timesteps,input_dim)))
model.add(Dense(64, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dense(n_classes, activation='softmax'))
model.summary()
model.compile(optimizer=Adam(learning_rate = 0.0025), loss =
'sparse_categorical_crossentropy',
metrics = ['accuracy'])
history =model.fit(X_train, y_train, batch_size=32, epochs=100)
数据集在各个类之间是平衡的,我使用了标准的缩放器
lying 68704
running 68704
walking 68704
climbingdown 68704
jumping 68704
climbingup 68704
standing 68704
sitting 68704
答案 0 :(得分:0)
删除l2正则化后,我找到了解决方案。我不知道具体如何工作,但我将对此问题进行更多调查