为什么每个时代的精度都会下降到零，而在角角中训练卷积层呢？

Question

我试图在Keras 2中使用ConvLSTM层来训练一个动作识别模型。该模型有3个ConvLSTM层和2个完全连接层。

在每一个时代，第一批(通常超过一次)的精度为零，然后它会增加到比前一个时期更多的数量。例如，第一个划时代以0.3结束，下一个以0.4结束，依此类推。

我的问题是，为什么在每一个时代它都会回到零呢？

附注：

• ConvLSTM是无状态的。
• 该模型是用SGD(lr=0.001, decay=1e-6, momentum=0.9, nesterov=True)编译的，由于某些原因，它不能使用Adam进行收敛。

Answer 1

因此-为了理解为什么会发生这样的事情，您需要了解keras是如何在批处理计算期间计算准确性的：

1. 在每一批之前，都会存储一些肯定分类的示例。
2. 在每一批之后-许多肯定分类的例子被存储，并在除法后被训练中使用的所有示例打印出来。

由于你的准确性很低，很有可能在最初的几个批次中，没有一个例子会被正确地分类。特别是当你有一小批。这使得你训练开始时的准确度为0。