培训acc减少，验证-增加。培训损失，验证损失减少

Question

我正在尝试实施LRCN，但是我在培训方面遇到障碍。目前，我仅尝试单独训练CNN模块，然后将其连接到RNN。 您在下面看到的结果是到目前为止我可能获得的最好的结果。问题在于，除了训练的准确性外，其他一切似乎都进展顺利。它正在逐渐下降。

我的模型在FC层之间存在急剧下降，所以这可能是一个原因，但是，您仍然认为这些结果有问题吗？如果它们继续趋势，我应该如何改变？

要预测的数字类为3。代码用Keras编写。

  

Epoch 1/20 16602/16602 [=============================]-2430秒   146毫秒/步-丢失：1.2583-acc：0.3391-val_loss：1.1373-val_acc：   0.3306

     

Epoch 00001：val_acc从-inf改进为0.33058，将模型保存为   重量.01-1.14.hdf5时代2/20 16602/16602   [=============================]-2441s 147ms / step-loss：1.1998-   acc：0.3356-val_loss：1.1342-val_acc：0.3719

     

Epoch 00002：val_acc从0.33058改进为0.37190，将模型保存为   weights.02-1.13.hdf5时代3/20 8123/16602   [============> .......]-预计到达时间：20：30-损失：1.1889-帐户：   0.3325

我还有2个简短的问题，暂时无法回答。

1. 为什么我从自定义视频数据生成器输出的张量的尺寸为(4, 288, 224, 1)，但是我的输入形状的图层却生成为(None, 288, 224, 1)？为了澄清形状，我将在非时间分布的CNN中将包含单个图像的4个批次进行分类。我使用功能性API。
2. 稍后，当我训练RNN时，我将必须按时间步长进行预测，然后对它们进行平均，然后选择最佳预测作为我的整体模型预测的预测。 metrics ['accuracy']是这样做还是我需要自定义指标函数？如果是后者，我该如何根据Keras doc. the results from evaluating a metric are not used when training the model来写一个。为此，我是否需要自定义目标（损失）功能？

任何帮助，我们都会非常感谢您的专业知识，我真的很需要它。预先谢谢你！

Answer 1

只要损失不断下降，准确性最终就会开始增长。由于您只训练了2-3个纪元，因此精度可能会波动是正常的。

关于您的其他问题：

1. 层的输入形状的概念是(batchSize, dim1, dim2, nChannels)。由于您的模型在训练None之前不知道批次大小，因此可以用作占位符。图片尺寸似乎是正确的，“通道数”为1表示您不使用彩色图片，因此每个像素只有一个条目。
2. 我认为准确度指标应该可以用，但是我没有RNN的经验，所以也许有人可以回答这个问题。