Python 我得到了一个非常高的损失，在培训和测试我的自动编码器

我得到一个非常高的损失（170+）。我正在做一个自动编码器与3隐藏层和使用SGD作为我的优化。我用交叉熵作为损失函数。最初，我得到的精度相当好（约0.88），但几乎每过一个历元，精度都会下降

这是我的密码：

   encoding_dim=8
   i=Input(shape=(60,))
   encoded=Dense(30,activation='sigmoid')(i)
   encoded1=Dense(15,activation='sigmoid')(encoded)
   encoded2=Dense(8,activation='relu')(encoded1)
   #encoded=Dense(encoding_dim,activation='sigmoid')(encoded2)

   decoded=Dense(15,activation='sigmoid')(encoded2)
   decoded2 =Dense(30,activation='sigmoid')(decoded)
   decoded3 =Dense(60,activation='sigmoid')(decoded2)
   autoencoder = Model(i, decoded3)

   ec = Model(i,encoded)
   encoded_input=Input(shape=(encoding_dim,))
   decoder_layer=autoencoder.layers[-3](encoded_input)
   decoder_layer=autoencoder.layers[-2](decoder_layer)
   decoder_layer=autoencoder.layers[-1](decoder_layer)

   decoder = Model(encoded_input, decoder_layer)
   from keras.optimizers import SGD
   opt = SGD(lr=0.06)
   #model.compile(loss = "categorical_crossentropy", optimizer = opt)
   autoencoder.compile(loss = "categorical_crossentropy", optimizer = opt,metrics=['accuracy'])

   autoencoder.fit(X_Train, X_Train,
            epochs=200,
            batch_size=200,
            shuffle=True,
            validation_data=(X_Test, X_Test))

   #encoded_out= ec.predict(X_Test)
   #decoded_out=decoder.predict(encoded_out)

---

至少在原则上，

sigmoid

只能用于最后一个解码层（此处为

decoded3

）-请参见中的示例。因此，将所有其他激活更改为

relu

---

此外，准确度在自动编码器中没有意义-只需将其从模型编译中删除，并关注损失。

至少在原则上，

sigmoid

应仅用于您的最后一个解码层（此处

decoded3

）-参见中的示例。因此，将所有其他激活更改为

relu

---

此外，准确度在自动编码器中没有意义-只需将其从模型编译中删除，并关注损失。

您能解释一下准确度在自动编码器中是如何没有意义的吗？@MSalmanGhazi不知道您的具体情况，但由于通常它们主要用于重建目的，因此准确度没有任何用处（只有当你尝试对某些东西进行分类时）重要的是损失（另请参见链接示例）。你能解释一下在自动编码器中准确度是如何没有意义的吗？@MSalmanGhazi不知道你的具体情况，但由于通常它们主要用于重建目的，准确度没有任何用处（只有当你试图对某样东西进行分类时）重要的是损失（另请参见链接示例）。