Estoy usando un gran conjunto de datos, por lo que estoy tratando de usar train_on_batch (o ajustar con 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,)

Pero cuando comienza el entrenamiento, esto sucede:

(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

No importa cuántas épocas espero, no cambia. Incluso si cambio el tamaño del lote, sucede lo mismo: el primer lote tiene buenos valores y luego pasa a "pérdida: -0.0000e + 00 - acc: 0.0000e + 00" nuevamente.

¿Puede alguien ayudarme a entender lo que está pasando aquí?

Gracias por adelantado