模型精度从低开始，并在每个 epoch 后提高，从而导致高 epoch 数。高纪元数不好吗？答案

【问题标题】：Model accuracy starts low and improves after each epoch leading to a high epoch number. Is it bad to have a high epoch number?模型精度从低开始，并在每个 epoch 后提高，从而导致高 epoch 数。高纪元数不好吗？
【发布时间】：2020-07-06 17:09:56
【问题描述】：

我的模型一开始的准确度非常低，但在每个 epoch 之后它都会有所改善。在 45 个 epoch 之后，我得到了大约 0.9 的准确度，这需要相当长的时间。

我的数据集是 3430 张图片（48x48 像素），来自不同种类的花朵（总共 5 种类型，每种类型大约 650 张照片），我的模型如下所示：

model = keras.Sequential([
keras.layers.Flatten(input_shape=(48, 48, 3)),
keras.layers.Dense(512, activation='relu'),
keras.layers.Dense(5, activation='softmax')
])


model.compile(optimizer='adam',
             loss='sparse_categorical_crossentropy',
             metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=45)

有没有办法提高初始精度，比如添加更多层、更改 keras 模型的类型或向数据集添加更多图像。即使模型精度不断提高，拥有大量 epoch 也很糟糕。（对不起，如果我有任何错别字，英语不是我的主要语言）提前致谢。

【问题讨论】：

标签： python tensorflow keras deep-learning image-recognition

【解决方案1】：

不，您希望模型在训练开始并且权重是随机的时基本上没有预测能力，并且随着权重向最优值收敛，每个时期都会变得更好。它最终应该收敛到某个特定的损失值，这可以被认为是架构的预测极限。

随机初始化权重的初始精度始终是任意的，这不是问题。

【讨论】：