训练损失和验证损失都很大（Python-Keras）

Question

我在keras的python中有一个奇怪的问题。网络输出显示出巨大的培训损失和验证损失值：

当前系数为 5.0 训练7200个样本，验证800个样本

Epoch 1/300

• 4秒-损失：289033.6717-湄：1.4962-val_loss：245246.5262-val_mae：0.8944

Epoch 2/300

• 4秒-损失：226937.6319-湄：0.8431-val_loss：211641.6300-val_mae：0.8809

Epoch 3/300

• 4秒-亏损：201703.9288-湄：0.8447-val_loss：192584.1669-val_mae：0.8746

Epoch 4/300

• 4秒-损失：185884.4973-湄：0.8455-val_loss：179480.7294-val_mae：0.8760

Epoch 5/300

• 4秒-损失：174479.2118-湄：0.8443-val_loss：169587.4256-val_mae：0.8792

我认为该网络不完善。 MAE作为指标很好，但是为什么损失和验证损失很大？

有关数据：具有2400个功能部件的10个样本。 1200个要素的值分别为0、1、2，并且另一半是连续的。我只需按每列的平均值和标准差来缩放所有数据。

网络结构：

input = Input(name='input', shape=(p, ));

show_layer_info('Input', input);

dense1 = Dense(p, activation='relu',use_bias=bias, kernel_initializer=Constant(value=0.1),  kernel_regularizer=regularizers.l2(coeff))(input);
show_layer_info('Dense', dense1);


out_ = Dense(1, use_bias=bias, kernel_initializer='glorot_normal')(dense1)

show_layer_info('Dense', out_)

opt = Adam(lr=lr, decay = 0.1) # , beta_1=0.95, beta_2=0.999 , decay=0.1

model = Model(inputs=input, outputs=out_)

model.compile(loss='mse', optimizer=opt, metrics=['mae'])

l2正则化的系数为：

CoeffS = np.array([5, 1, 5e-1, 1e-1, 1e-2, 5e-2, 1e-3, 1e-4, 1e-5])
lr = 1e-3
num_epochs = 300
batch_size = 128

我们非常感谢您的帮助。