为什么我的模型的训练和验证准确度在一个 epoch 之后保持不变？ [凯拉斯]

Question

我有 4684 个维度为 (4684, 150, 150, 3) 的图像数据和维度为 (4684, 8) 的标签数据。在第一个 epoch，训练准确度为 0.5695，验证准确度为 0.7535。在第一个 epoch 之后，我的模型没有学习，它的训练和验证准确性保持不变。那么，可能是什么问题？你们能帮帮我吗？

这是我的模型。

model = Sequential()
model.add(Conv2D(kernel_size=(3,3),filters=8,input_shape=(150, 150, 3),activation="relu",padding="valid"))
model.add(Conv2D(kernel_size=(3,3),filters=8,activation="relu",padding="same"))
model.add(MaxPooling2D(pool_size=(2,2),strides=(2,2)))
model.add(Flatten())
model.add(Dropout(0.6))
model.add(Dense(100,activation="relu"))
model.add(Dense(8,activation='softmax'))
model.summary()

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adam(lr=0.001),
              metrics=['accuracy'])

X = model.fit(data,labels,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          shuffle=True,
          validation_split=0.2)

plt.plot(X.history['loss'])
plt.plot(X.history['val_loss'])
plt.title('model loss')
plt.ylabel('loss')
plt.xlabel('epoch')
plt.legend(['train', 'validation'], loc='upper left')
plt.show()

Answer 1

请问，标签是否转换为分类？

还有二，请将优化器 Adam 更改为 SGD，其中 lr = .1

第三个，请删除 Conv2D 层中的相同或添加更多 Conv2D + MaxPooling2D 层到模型