为什么 Keras 的 train_on_batch 在第二个 epoch 产生零损失和准确率？

我正在使用一个大数据集，所以我尝试使用 train_on_batch（或适合 epoch = 1）

model = Sequential()
model.add(LSTM(size,input_shape=input_shape,return_sequences=False))
model.add(Dense(output_dim))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=["accuracy"])

for e in range(nb_epoch):
    for batch_X, batch_y in batches:
        model.train_on_batch(batch_X,batch_y)
        # or
        # model.fit(batch_X,batch_y,batch_size=batch_size,nb_epoch=1,verbose=1,shuffle=True,)

但是当训练开始时，会发生这种情况：

(0, 128)
Epoch 1/1
128/128 [==============================] - 2s - loss: 0.3262 - acc: 0.1130

(129, 257)
Epoch 1/1
128/128 [==============================] - 2s - loss: -0.0000e+00 - acc: 0.0000e+00

无论我等待多少个纪元，它都不会改变。即使我更改批量大小，也会发生同样的事情：第一批具有良好的值，然后它再次变为“loss：-0.0000e + 00 - acc：0.0000e + 00”。

有人可以帮助理解这里发生的事情吗？

这看起来像是梯度爆炸/消失问题。就像有人说的，尝试调整你的学习率和/或神经网络层的深度/宽度