LSTM模型训练过拟合问题。
使用ConvLSTM预测图像序列总是出现过拟合的问题，数据集是Moving MNIST 移动数据集，前10帧预测后10帧，训练集11000个序列，验证集1000个序列，优化器Adam，学习率0.001，batch_size=10，MSE做损失函数。
已尝试增加normalization、dropout、梯度裁剪、L1与L2正则10e-6、10e-5、10e-4都无法解决过拟合的问题
橙色为训练集损失，蓝色为验证集损失，验证集损失训练一段时间开始上升。
请问这种情况该怎样解决？
回答
没办法，你的训练样本太少。增加训练样本是唯一的办法。
好比吃不饱饭怎么办，不增加饭，采用稀饭掺水，少餐多顿这些办法都治标不治本。
所以你看即便it大厂，也在拼命积攒数据以及人工标注数据，花费大量成本，如果算法能解决，何必如此。
以上是 LSTM模型训练过拟合问题。 的全部内容， 来源链接： utcz.com/a/43535.html
