Un desarrollador discute los desafíos encontrados al implementar un LSTM de 2 capas en C++, señalando que el modelo a menudo no converge y exhibe coeficientes de error erráticos durante el entrenamiento.
El usuario informa usar un conjunto de datos de 56k caracteres con capas de entrada de 96 nodos, observando que la tasa de error frecuentemente supera el umbral de 3.0 a pesar de los intentos de normalización y recorte de gradientes.
Aunque la arquitectura sobreajusta exitosamente en pruebas elementales, el autor busca consejos para mejorar la estabilidad sin reestructurar el código a una sola capa oculta.