验证准确度非常低但训练准确度很好答案

【问题标题】：Validation accuracy very low but good training accuracy验证准确度非常低但训练准确度很好
【发布时间】：2020-10-16 18:57:32
【问题描述】：

我正在对四类医学图像实施 ResNet50 模型。我最初有一个每类 250 张图像的数据集，我将它们分成 2 个文件夹 train 和 val，并使用 val 数据作为测试数据集，80% 的训练数据作为训练数据集，20% 作为验证数据集。

我尝试了一个我在网上找到的代码。我做了很多实验，但没有什么能提高验证数据集的准确度，尽管训练准确度不错，以后可以改进。

请就我的问题陈述向我提出提高验证准确性的方法。 PS：虽然图像是黑白的，但我使用输入形状为（224,224,3），因为我无法翻译我找到的灰度图像代码。希望这不是这里的主要问题。

参考代码：https://github.com/anujshah1003/Transfer-Learning-in-keras---custom-data/blob/master/transfer_learning_resnet50_custom_data.py

我所做的唯一更改是更改数据集的目录，并在我的代码中排除了 Flatten 层，因为 avg_pool 层也被展平，因此可以直接应用 Dense 层。

last_layer = model.get_layer('avg_pool').output
out = Dense(num_classes, activation='softmax', name='output_layer')(last_layer)
custom_resnet_model = Model(inputs=image_input,outputs= out)

t=time.time()
hist = custom_resnet_model.fit(X_train, y_train, batch_size=32, epochs=12, verbose=1, 
validation_data=(X_test, y_test))
print('Training time: %s' % (t - time.time()))
(loss, accuracy) = custom_resnet_model.evaluate(X_test, y_test, batch_size=10, verbose=1)
print("[INFO] loss={:.4f}, accuracy: {:.4f}%".format(loss,accuracy * 100))

Output after 12 epochs

【问题讨论】：

标签： tensorflow keras conv-neural-network

【解决方案1】：

一个很常见的情况。您的模型无法概括数据。您可以尝试以下步骤来克服这个问题：

收集更多数据：尝试收集数据的更多变体。它将帮助您的模型泛化类。
增强：一种非常常见且非常有用的技术。尝试不同的角度、不同的对比度、放大缩小等。

如果您仍然面临同样的问题，请绘制混淆矩阵以查看您的模型在哪里受到的影响最大。然后您可以分析这些特定类的数据。

顺便说一句，对于灰度图像问题，您可以在这里查看：How can I use a pre-trained neural network with grayscale images?

【讨论】：