python - 精度随着纪元的增加而降低

Question

我是 Keras 和机器学习的新手。我正在尝试使用顺序模型构建二元分类模型。经过一些实验后，我发现在多次运行中(并非总是如此)，我在第二个或第三个 epoch 中的验证数据的准确度甚至达到了 97%，但这急剧下降至 12%。这背后的原因是什么？如何微调我的模型？这是我的代码 -

model = Sequential()
model.add(Flatten(input_shape=(6,size)))
model.add(Dense(6,activation='relu'))
model.add(Dropout(0.35))
model.add(Dense(3,activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(1,activation='sigmoid'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['binary_accuracy'])
model.fit(x, y,epochs=60,batch_size=40,validation_split=0.2)

Answer 1

据我所知，您可以考虑以下因素。

1. 将学习率降低到一个非常小的数字，例如 0.001 甚至 0.0001。
2. 提供更多数据。
3. 将辍学率设置为 0.2 等数字。 在整个网络中保持统一。
4. 尝试减小批量大小。
5. 使用适当的优化器:您可能需要对此进行一些试验。在同一网络上使用不同的优化器，并选择损失最小的优化器。

如果上述任何因素对您有用，请在评论部分告诉我。