lstm损失率问题求解

做了一个lstm模型，损失率下到一定位置就不下了是为什么，该如何进行修改

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/748529
• 这篇博客你也可以参考下：异常监测②——lstm时间序列预测&lstm简易原理
• 除此之外, 这篇博客: LSTM中的归一化与反归一化问题、预测未来值问题中的 构建LSTM模型，并编译运行 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 这里需要注意的是，LTSM的层数可以自行选择，但是应该注意的是除最后一层的LSTM的return_sequences应该为False外，其余LSTM层该参数都保持为True,否则会报错

  #构建LSTM模型，SEQ_LEN就是构造数据的时间序列
  model = Sequential([
    layers.LSTM(64,return_sequences=True,input_shape = (SEQ_LEN,1)),
    layers.LSTM(128,return_sequences=False),
    layers.Dense(1)
  ])
  
  #定义checkpoint,保存权重文件
  file_path = "td_15minmodel_02.hdf5"
  checkpoint_callback = tf.keras.callbacks.ModelCheckpoint(filepath=file_path,
                                                        monitor = 'loss',
                                                        mode='min',
                                                        save_best_only=True,
                                                        save_weights_only=True)
  
  #模型编译
  from keras import optimizers
  model.compile(optimizer='adam',loss='mse')  
  
  #模型训练
  history = model.fit(train_batch_dataset,
                   epochs=10,validation_data=test_batch_dataset,
                   callbacks=[checkpoint_callback])
  
  #显示train loss和val loss
  plt.figure(figsize=(16,8))
  plt.plot(history.history['loss'],label='训练集误差')
  plt.plot(history.history['val_loss'],label='测试集误差')
  plt.tick_params(labelsize=18)
  font2 = {
         'weight': 'normal',
         'size': 18,
         }
  plt.xlabel('训练论数',font2)
  plt.ylabel('MAE误差', font2)
  plt.title("误差")
  plt.legend(loc='best')
  plt.show()