Keras 卷积神经网络验证精度不变答案

【问题标题】：Keras convolutional neural network validation accuracy not changingKeras 卷积神经网络验证精度不变
【发布时间】：2017-01-02 19:12:25
【问题描述】：

我正在我自己的一堆图像数据上运行卷积神经网络 (this one)，形状（通道数、高度、宽度）= (3, 30, 30)。我有 76960 个训练样本，19240 个测试样本，有 39 个类。最后几块代码是：

# Train the model using Stochastic grad descent + momentum
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
cnn.compile(loss='categorical_crossentropy',
             optimizer=sgd,
             metrics=['accuracy'])


batch_size = 128
nb_epoch = 50

cnn.fit(x_train, y_train,
        batch_size = batch_size,
        nb_epoch = nb_epoch,
        validation_data=(x_test, y_test),
       shuffle=True)

训练损失和准确率随着 epoch 的变化而变化，但验证准确率只从第 1 个 epoch 变化到第 2 个 epoch（从 0.3387 到 0.3357），然后一直保持在 0.3357。

我尝试了不同的批量大小（32、128 或 256）learning rate（从 1e-6 到 0.1，沿途乘以 10）并尝试使用或不使用 data normalization（基本均值偏移） , 和除以 sd)。这些都没有奏效。

【问题讨论】：

你测试其他分类器吗？如果是，根据不同的分类器，你得到的最佳准确率是多少？
你的班级平衡如何？任何类的样本比其他类多？
1.是的，我尝试过其他分类器。 2. 没有，有2个班级人数严重超标，分别占总人口的34%和35%左右。但是，请注意，我的问题并不是“如何让方法 X 准确分类我的数据”。我不确定给我的标签是否正确，因此分类失败仍然可能是反映现实的准确结果。我只是担心技术错误。
您还在处理这个问题吗？你会在每一层上添加正则化器吗？

标签： python neural-network classification

【解决方案1】：

您遇到的准确率百分比 (33.5%) 与属于主导类别的示例百分比相同（您说“大约 34%” - 几乎可以肯定是 33.5%），这并非巧合.

问题在于您没有对图像数据进行规范化。如果您的像素值介于 1 到 255 之间，那么您的模型将永远卡在每次都预测相同的类别。要确认这种情况正在发生，请使用 model.predict(x_train) 并查看您的模型预测的内容。我敢打赌，它是完全一致的，而且它始终是构成你数据 34% 的类。

要解决此问题，只需标准化您的数据 - 在开始训练模型之前将 x_train 除以 255。

x_train = x_train/255.0

【讨论】：

我遇到了同样的问题，但我已验证我的数据已标准化。知道还有什么可能是造成这种情况的原因吗？