Neural network 提高卷积神经网络的精度

我试图训练一个卷积神经网络来分类句子。我把代码从

代码在我的一个数据集中运行良好。然而，在另一个数据集上，它的性能非常差。两个数据集在数量和句子长度方面具有可比性。对于性能较差的数据集，我注意到损失函数在步骤之后会减少。蓝色表示训练集，读数表示测试集。

以下是准确度： 如您所见，测试集上的损耗值减小，但精度值几乎相同。 你能建议我怎么修吗？

---

非常感谢。

你能试着降低学习率吗

尝试使用指数衰减学习率——开始时学习率很大（比如0.1），然后随着迭代次数的增加而变慢。

我目前使用的Adam optimizer学习率是1e-4。我试过1e-5，现在它的收敛速度非常慢。听起来不错。你可以把它弄大一点，让它快一点。请告诉我们进展如何。每个数据集中有多少个类别标签，每个类别标签之间的文本性质有什么区别？@jmp对于这两个数据集，类数为4。事实上，这两个数据集都是从twitter收集的tweet。性能良好的数据集是我自己通过twitter stream API创建的，另一个来自网站。区别在于，我不使用任何过滤器来消除自动机器人（如天气或招聘）发出的推文。对于网站上的数据集，他们只保留普通人的推文。两个数据集的示例数量几乎相同，我采用了相同的预处理技术。