Machine learning 减少损失的不一致性

[x] 检查您是否了解Keras主分支的最新信息。您可以使用以下内容进行更新： pip安装git+git://github.com/fchollet/keras.git --升级-无deps

[x] 如果在TensorFlow上运行，请检查您是否使用最新版本。可以找到安装说明

[x] 提供一个链接，指向可以重现您的问题的Python脚本的GitHub要点（或者如果脚本很短，只需在此处复制脚本）

大家好，我一直在使用这个脚本 问题是我无法每次都产生类似的结果。 有时，我可以产生类似的结果（在500个纪元内损失0.3），但有时我在1500个纪元后仍会损失3.x。我不确定这是一个bug，还是因为算法只是停留在局部最小值

---

此外，在我调整了收盘价（不除以100）并将学习率提高了100倍之后，问题仍然存在，并且一直处于30000的亏损状态。你们认为可以做些什么来改进模型吗？

通过规范化功能集，它现在可以正常工作了。

你们尝试过不同的优化器吗？有时候，LSTM与Adam或ADADDelta一起工作比与RMSPROP一起工作要好得多。谢谢Thomas，我正在使用Adam，现在我正在尝试使用ADADDelta。让我稍后再更新给你。另外顺便说一句，由于笔记本发布了新的keras和tensorflow主要版本，因此使用最新版本或主分支可能不是正确的复制方式。通过使用没有relu层和Adam optimizer的模型，对于除以100的数据集，它可以实现较低的损失。但用它来训练一个还没有被100除的数据集，它仍然被卡住了。我曾尝试将第一层LSTM中的神经元数量增加到1024个，但问题仍然存在。好消息是，您可能希望事先对数据进行标准化，因此它的平均值和单位方差为0。