Tensorflow 为什么Keras序列模型给出的结果与模型不同?
我在keras中尝试了一个简单的lstm模型,使用imdb数据集使用序列模型和模型模型进行简单的情绪分析,结果发现后者的结果更糟。这是我的密码:Tensorflow 为什么Keras序列模型给出的结果与模型不同?,tensorflow,nlp,deep-learning,keras,keras-layer,Tensorflow,Nlp,Deep Learning,Keras,Keras Layer,我在keras中尝试了一个简单的lstm模型,使用imdb数据集使用序列模型和模型模型进行简单的情绪分析,结果发现后者的结果更糟。这是我的密码: model = Sequential() model.add(Embedding(top_words, embedding_vector_length, input_length=max_review_length)) model.add(LSTM(100)) model.add(Dense(2, activation='softmax')) mode
model = Sequential()
model.add(Embedding(top_words, embedding_vector_length, input_length=max_review_length))
model.add(LSTM(100))
model.add(Dense(2, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
它在第一个历元中给出的结果精度约为0.6,而使用模型的其他代码:
_input = Input(shape=[max_review_length], dtype='int32')
embedded = Embedding(
input_dim=top_words,
output_dim=embedding_size,
input_length=max_review_length,
trainable=False,
mask_zero=False
)(_input)
lstm = LSTM(100, return_sequences=True)(embedded)
probabilities = Dense(2, activation='softmax')(lstm)
model = Model(_input, probabilities)
model.compile(loss='categorical_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
第一个历元的精度为0.5,以后不会改变
有什么原因吗,还是我做错了什么?提前感谢我看到了你们两款车型的两个主要区别:
谢谢你的洞察力,返回序列部分是我的打字错误,因为我从我的另一个项目复制了部分代码。但是把可训练的变成真正的真的很有帮助!!