当 epochs 大小增加时，Concatenate LSTM 的精度会降低

原文标题 ：Accuracy reduce in Concatenate LSTM when epochs size is increased

首先我是这些概念的新手。我使用了两个 lstm 层和连接。但是当我用 2 个 epoch 训练模型时它工作正常（我相信因为它提供了大约 90% 的准确度）。但是当我增加 epochs 大小（epochs =10) val_accuracy 显示训练保持不变（0.5601）和 val_loss（6.7802）也更高并保持不变。但是当我使用 2 个 epoch 训练时，val_accuracy 和 val_loss 很好（val_accuracy=0.9924，val_loss=0.0392（不是保持不变，他们已经改变了））

这是连接 LSTM 的代码

数据集使用 one-hot 编码进行预处理。嵌入层长度为50。

inputs = Input(shape=(50))
lstm1 = Embedding(voc_size,embedding_vector_features,input_length=sent_length)(inputs)
lstm1 = LSTM(50)(lstm1)
lstm1 = Dense(1,activation='sigmoid')(lstm1)

lstm2 = Embedding(voc_size,embedding_vector_features,input_length=sent_length)(inputs)
lstm2 = LSTM(50)(lstm2)
lstm2 = Dense(1,activation='sigmoid')(lstm2)

concatenated = Concatenate(name='concatenate_1')([lstm1,lstm2])
output1 = Dense(1, name='dense_1')(concatenated)
model = Model(inputs=inputs, outputs=output1)
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
model.fit(x_train,y_train,validation_data=(x_test,y_test),epochs=20,batch_size=32)

解决此问题的任何解决方案。谢谢