Keras log_loss 错误是一样的答案

【问题标题】：Keras log_loss error is sameKeras log_loss 错误是一样的
【发布时间】：2018-01-20 05:06:37
【问题描述】：

我是 keras 和深度学习的新手。当我创建一个示例基本模型时，我会对其进行拟合，并且我的模型的日志损失始终相同。

model = Sequential()
model.add(Convolution2D(32, 3, 3, border_mode='same', init='he_normal',
                        input_shape=(color_type, img_rows, img_cols)))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))
model.add(Dropout(0.5))
model.add(Convolution2D(64, 3, 3, border_mode='same', init='he_normal'))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th")) #this part is wrong
model.add(Dropout(0.5))

model.add(Convolution2D(128, 3, 3, border_mode='same', init='he_normal'))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))
model.add(Dropout(0.5))

model.add(Flatten())
model.add(Dense(10))
model.add(Activation('softmax'))

model.compile(Adam(lr=1e-3), loss='categorical_crossentropy')


model.fit(x_train, y_train, batch_size=64, nb_epoch=200,
               verbose=1, validation_data=(x_valid,y_valid))

训练 17939 个样本，验证 4485 个样本

纪元 1/200 17939/17939 [===============================] - 8s - 损失：99.8137 - acc：0.3096 - val_loss：99.9626 - val_acc: 0.0000e+00

纪元 2/200 17939/17939 [===============================] - 8s - 损失：99.8135 - acc：0.2864 - val_loss：99.9626 - val_acc: 0.0000e+00

纪元 3/200 17939/17939 [===============================] - 8s - 损失：99.8135 - acc：0.3120 - val_loss：99.9626 - val_acc: 1.0000

纪元 4/200 17939/17939 [==============================] - 10s - 损失：99.8135 - acc：0.3315 - val_loss：99.9626 - val_acc: 1.0000

纪元 5/200 17939/17939 [==============================] - 10s - 损失：99.8138 - acc：0.3435 - val_loss：99.9626 - val_acc: 0.4620

...

事情是这样的

你知道我做错了什么吗？

【问题讨论】：

您需要提供更多信息，例如网络架构和您要解决的问题。
好吧，我编辑了，我的问题有 10 个不同的类
@matiasValdengro 表示您需要为整个网络添加代码。您所有的密集层、model.compile，甚至可能是数据样本

标签： python python-3.x tensorflow deep-learning keras

【解决方案1】：

这种行为的一个原因可能是学习率太小。尝试使用Adam(lr=1e-2) 或Adam(lr=1e-1) 来提高您的学习率。另外，等待更多的迭代（epochs），看看它是否有所改善。如果没有，您可以尝试减少 dropout。此外，如果您还没有这样做，我建议您规范化您的输入数据。

【讨论】：