Estou usando um grande conjunto de dados e, portanto, estou tentando usar train_on_batch (ou encaixar com época = 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,)

Mas quando o treinamento começa, isso acontece:

(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

Não importa quantas épocas eu espero, isso não muda. Mesmo que eu mude o tamanho do lote, acontece o mesmo: o primeiro lote tem bons valores e depois passa para "perda: -0,0000e + 00 - acc: 0,0000e + 00" novamente.

Alguém pode ajudar a entender o que está acontecendo aqui?

desde já, obrigado