Keras 验证准确率为 0，并且在整个训练过程中保持不变答案

【问题标题】：Keras validation accuracy is 0, and stays constant throughout the trainingKeras 验证准确率为 0，并且在整个训练过程中保持不变
【发布时间】：2019-07-08 10:14:33
【问题描述】：

我正在使用 Python 中的 Tensorflow/Keras 进行时间序列分析。整个 LSTM 模型看起来像，

model = keras.models.Sequential()
model.add(keras.layers.LSTM(25, input_shape = (1,1), activation =    'relu', dropout = 0.2, return_sequences = False))
model.add(keras.layers.Dense(1))
model.compile(optimizer = 'adam', loss = 'mean_squared_error', metrics=['acc'])
tensorboard = keras.callbacks.TensorBoard(log_dir="logs/{}".format(time()))
es = keras.callbacks.EarlyStopping(monitor='val_acc', mode='max', verbose=1, patience=50)
mc = keras.callbacks.ModelCheckpoint('/home/sukriti/best_model.h5',   monitor='val_loss', mode='min', save_best_only=True)
history = model.fit(trainX_3d, trainY_1d, epochs=50, batch_size=10, verbose=2, validation_data = (testX_3d, testY_1d), callbacks=[mc, es, tensorboard])

我有以下结果，

Train on 14015 samples, validate on 3503 samples
Epoch 1/50
- 3s - loss: 0.0222 - acc: 7.1352e-05 - val_loss: 0.0064 - val_acc:  0.0000e+00
Epoch 2/50
- 2s - loss: 0.0120 - acc: 7.1352e-05 - val_loss: 0.0054 - val_acc: 0.0000e+00
Epoch 3/50
- 2s - loss: 0.0108 - acc: 7.1352e-05 - val_loss: 0.0047 - val_acc: 0.0000e+00

现在val_acc 保持不变。正常吗？代表什么？

【问题讨论】：

标签： machine-learning keras neural-network time-series lstm

【解决方案1】：

正如loss = 'mean_squared_error' 所表示的，您处于回归设置中，其中准确性毫无意义（它仅在分类问题中有意义)。

不幸的是，在这种情况下，Keras 不会“保护”您，坚持计算并报告“准确性”，尽管它对您的问题毫无意义且不合适 - 请参阅我在 What function defines accuracy in Keras when the loss is mean squared error (MSE)? 中的回答

您应该简单地从模型编译中删除 metrics=['acc']，不要打扰 - 在回归设置中，MSE 本身可以（并且通常会）也用作性能指标。

【讨论】：

【解决方案2】：

在我的情况下，当我的批大小为 64 时，我的整个训练（使用 Keras 和 CNTK-GPU 后端）的验证准确度为 0.0000e+00，但我的验证集中只有 120 个样本（分为三类）。将批量大小更改为 60 后，我得到了正常的准确度值。

【讨论】：

您在 regression 设置（例如此处）中获得了“正常”准确度值，而准确度毫无意义？

【解决方案3】：

它不会随着批量大小或指标的变化而改善。我遇到了同样的问题，但是当我洗牌我的训练和验证数据集 0.0000e+00 消失了。

【讨论】：

这里accuracy被用于一个回归问题，所以这里和shuffle = True无关。