“val_acc”根本没有改变答案

【问题标题】："val_acc" does not change at all“val_acc”根本没有改变
【发布时间】：2018-02-23 22:39:26
【问题描述】：

我在 Python 上使用 Keras 创建了一个用于图像分类的 CNN。我有一个相当小的数据集（大约 3000 张图片），主要目标是一个简单的二进制分类。

问题是在训练期间“acc”会增长，而“val_acc”从一开始就完全没有变化并且保持在 +- 0.6。

我搜索了互联网，几乎到处有人说主要问题是我的数据集太小，即网络过度拟合。但我试图让它尽可能简单（现在是 2 个 Conv 层，Flatten 和 1 个隐藏 FC 层），我添加了批量标准化，但没有任何帮助！

也许有些东西我不明白，这就是为什么它不起作用？我这样做的时间越长，我对“acc”和“val_acc”之间有什么区别就越感到困惑？如果有任何帮助，我将不胜感激！

附：我尝试使用Keras blog tutorial 中关于“猫与狗”分类的代码，但这无济于事，问题仍然存在：(

【问题讨论】：

欢迎来到 Stackoverflow！请发minimal, Complete, and Verifiable example，以便我们为您提供帮助。
比 acc 更重要的是loss（它必须减少）。 loss 和 val_loss 之间的区别在于，一个是用你的训练数据衡量的，另一个是用你的验证数据衡量的。 ---- 训练数据是你的模型用来学习的唯一数据，而验证/测试数据是你最后提供给模型的东西，只是为了看看它是否足以了解它以前从未见过的图像. --- 如果训练损失下降，但验证损失没有下降，则很可能是过度拟合问题：您的模型太好了。
还有其他可能，比如：你的验证数据不正确。

【解决方案1】：

我猜有很多情况下 val_acc 根本没有变化，

就我而言，我下载了 ResNet 50 并将一些层更改为 trainable=False。这导致 val_acc 在 acc 上升时恒定为 0.5。

修复是在更改层的可训练属性后运行 model.compile(...)。

【讨论】：