Tensorflow val_损失：1.1921e-07-val_acc:0.0715怎么可能？

我目前正在培训此模型：。当我训练它时，每个时间步只有一个特征（原始数据），我得到了约1.3的损失和约57%的准确率。在将变化方向（1如果增加0如果相同-1如果减少）作为第二个特征添加到每个时间步后，我的损失降低到~0.8，准确度提高到~70%。然后我添加了一个不同比例的原始数据版本作为第三个特性。该数据基本上是按比例缩放的，因此该时间序列中的最大读数为1.0。这种训练很快会导致损失~1e-7，但准确率保持在~7%。输入是这样组成的

np.dstack((measurements, change, scaled))        

我真的不知道这是怎么可能的，因为我的输出是一个热编码的，我只有22个类。培训数据包括291300个培训样本和97100个验证样本。在我添加第三个功能之前，它一直正常训练（即使我只使用第三个功能）。任何帮助都将不胜感激