我正在嘗試編寫一個(gè)RNN模型，該模型將預(yù)測(cè)整數(shù)序列中的下一個(gè)數(shù)字。模型損失在每個(gè)時(shí)期都會(huì)變小，但是預(yù)測(cè)永遠(yuǎn)不會(huì)變得非常準(zhǔn)確。我已經(jīng)嘗試了許多火車的大小和時(shí)期，但是我的預(yù)測(cè)值總是與期望值相差幾位數(shù)。您能否給我一些提示，以改善或我做錯(cuò)了什么？這是代碼：from keras.models import Sequentialfrom keras.layers import Dense, Dropout, LSTMfrom keras.callbacks import ModelCheckpointfrom keras.utils import np_utilsfrom keras import metricsimport numpy as nptraining_length = 10000rnn_size = 512hm_epochs = 30def generate_sequence(length=10):    step = np.random.randint(0,50)    first_element = np.random.randint(0,10)    first_element = 0    l_ist = [(first_element + (step*i)) for i in range(length)]    return l_isttraining_set = []for _ in range(training_length):    training_set.append(generate_sequence(10))feature_set = [i[:-1] for i in training_set]label_set = [i[-1:] for i in training_set]X = np.reshape(feature_set,(training_length, 9, 1))y = np.array(label_set)model = Sequential()model.add(LSTM(rnn_size, input_shape = (X.shape[1], X.shape[2]), return_sequences = True))model.add(Dropout(0.2))model.add(LSTM(rnn_size))model.add(Dropout(0.2))model.add(Dense(y.shape[1], activation='linear'))model.compile(loss='mse', optimizer='rmsprop', metrics=['accuracy'])filepath="checkpoint_folder/weights-improvement.hdf5"checkpoint = ModelCheckpoint(filepath, monitor='loss', verbose=1, save_best_only=True, mode='min')callbacks_list = [checkpoint]model.fit(X,y,epochs=hm_epochs, callbacks=callbacks_list)效果：30個(gè)紀(jì)元后（虧損：66.39）：1順序：[0，20，40，60，80，100，120，140，160]預(yù)期：[180] || 得到了：[181.86118]2順序：[0，11，22，33，44，55，66，77，88]預(yù)期：[99] || 得到了：[102.17369]3順序：[0，47，94，141，188，235，282，329，376]預(yù)計(jì)：[423] || 得到了：[419.1763]4順序：[0，47，94，141，188，235，282，329，376]預(yù)期：[423] || 得到了：[419.1763]5序列：[0，4，8，12，16，20，24，28，32]預(yù)期：[36] || 得到了：[37.506496]6序列：[0，48，96，144，192，240，288，336，384]預(yù)期：[432] || 得到了：[425.0569]7順序：[0、28、56、84、112、140、168、196、224]預(yù)期：[252] || 得到了：[253.60233]8順序：[0、18、36、54、72、90、108、126、144]預(yù)期：[162] || 得到了：[163.538]9順序：[0，19，38，57，76，95，114，133，152]預(yù)期：[171] || 得到了：[173.77933]10序列：[0，1，2，3，4，5，6，7，8]預(yù)期：[9] || 得到了：[9.577981]...