我已经在Pytorch中使用LSTM-线性模块构建了一个模型，用于分类问题（10个类）。我正在训练模型，并且对于每个时期我都在training set中输出loss和accuracy。输出如下：
时期：0开始！损失：2.301875352859497累计：0.11388888888888889时代：1开始！损失：2.2759320735931396累计：0.29纪元：2开始！损失：2.2510263919830322帐户：0.4872222222222222纪元：3开始！损失：2.225804567337036帐户：0.6066666666666667纪元：4开始！损失：2.199286699295044帐户：0.6511111111111111纪元：5开始！损失：2.1704766750335693帐户：0.6855555555555556时代：6开始！损失：2.1381614208221436帐户：0.7038888888888889纪元：7开始！损失：2.1007182598114014帐户：0.7194444444444444时代：8开始！损失：2.0557992458343506帐户：0.7283333333333334纪元：9开始！损失：1.9998993873596191帐户：0.7427777777777778时代：10开始！损失：1.9277743101119995帐户：0.7527777777777778纪元：11开始！损失：1.8325848579406738帐户：0.7483333333333333纪元：12开始！损失：1.712520718574524帐户：0.7077777777777777纪元：13开始！损失：1.6056485176086426帐户：0.6305555555555555纪元：14开始！损失：1.5910680294036865Acc：0.4938888888888889纪元：15开始！损失：1.6259561777114868帐户：0.41555555555555557纪元：16开始！损失：1.892195224761963帐户：0.3655555555555556纪元：17开始！损失：1.4949012994766235累计：0.47944444444444445纪元：18开始！损失：1.4332982301712036帐户：0.48833333333333334
对于损失函数，我使用了nn.CrossEntropyLoss和Adam Optimizer。尽管损耗一直在降低，但精度一直提高到第10阶段，然后由于某种原因而开始降低。]
为什么会这样？
即使我的模型过度拟合，也不意味着精度应该很高？ （总说来是在训练集
而非验证集上测得的准确性和损失）我已经在Pytorch中使用LSTM-线性模块构建了一个模型，用于分类问题（10个类）。我正在训练模型，对于每个时期，我都会在训练集中输出损失和准确性。 ...
减少损耗并不总是意味着提高精度。我将尝试解决这种交叉熵损失。