하나 개의 클래스를 예측한다. 내가 가지고있는 첫 번째 문제는 유효성 검사 손실과 정확도가 높게 시작된다는 것입니다. 낮은 값을도 훈련에 도달 할 때까지이 같은 값내 네트워크 단지 내가 CNNs를 사용하여 여섯 클래스 분류를 수행하려고
에 갇혀 있기 때문에,하지 유효성 검사 정확도 계산 것으로 보인다.
: 그것은 정말 나쁜 간다 정확도를 계산하기 시작 않는 그런
. 나는 다음과 같은 그물 사용하고 있습니다 : 레이블이 올바른지 내가 확인했다
inp = Input(shape=input_shape)
out = Conv2D(16, (5, 5),activation = 'relu', kernel_initializer='glorot_normal', kernel_regularizer=regularizers.l2(0.01), padding='same')(inp)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Dropout(0.5)(out)
out = Conv2D(32, (3, 3),activation = 'relu',kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Dropout(0.5)(out)
out = Conv2D(32, (3, 3),activation = 'relu',kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = Dropout(0.5)(out)
out = Conv2D(64, (3, 3), activation = 'relu',kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = Conv2D(64, (3, 3),activation = 'relu', kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Conv2D(128, (3, 3), activation = 'relu',kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = Conv2D(128, (3, 3),activation = 'relu', kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Conv2D(256, (3, 3), activation = 'relu',kernel_initializer='glorot_normal',kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Conv2D(256, (3, 3), activation = 'relu',kernel_initializer='glorot_normal', kernel_regularizer=regularizers.l2(0.01), padding='same')(out)
out = MaxPooling2D(pool_size=(2, 2))(out)
out = Flatten()(out)
out = Dropout(0.5)(out)
dense1 = Dense(6, activation="softmax")(out)
model = Model(inputs = inp, outputs = dense1)
을하고, 이미지도 괜찮습니다. 네트워크의 OUPUT은 항상 같은 클래스 (그런데 이미지가 적은 클래스입니다)입니다.
내가 lr = 1e-5
. 모든 커널 정식기를 제거하십시오. 또한 현재 conv 블록에서 드롭 아웃을 제거하십시오. 훈련을 시작하고 overfitting을 볼 경우, 다음 전환 블록 드롭 아웃 시작 – Nain