我是深度学习的新手，我尝试实现一个 RNN（有 2 个 GRU 层）。起初，网络似乎做得很好。但是，我目前正在尝试了解损失和准确度曲线。我附上了下面的图片。深蓝色的线是训练集，青色的线是验证集。在 50 个 epoch 之后，验证损失会增加。我的假设是这表明过度拟合。但是，我不确定为什么验证平均绝对误差仍然会减少。你有什么想法吗？
我想到的一个想法是，这可能是由我的数据集中的一些大异常值引起的。因此，我已经尝试清理它。我也尝试正确缩放它。我还添加了一些 dropout 层以进行进一步的正则化（rate=0.2）。然而，这些只是正常的 dropout 层，因为 cudnn 似乎不支持 tensorflow 的recurrent_dropout。
备注：我使用负对数似然作为损失函数，使用张量流概率分布作为输出密集层。
任何提示我应该调查什么？提前致谢
编辑：我还按照评论中的建议附加了非概率图。似乎在这里平均绝对误差表现正常（不会一直改善）。
