损失和准确性保持不变

Question

我正在制作一个有 8 个类的分类器。这是我的模型：

model = Sequential()
model.add(Conv2D(16, 3, padding="same", activation="relu", input_shape=(100,100,1)))
model.add(MaxPooling2D())
model.add(Conv2D(32, 3, padding="same", activation="relu"))
model.add(MaxPooling2D())
model.add(Conv2D(64, 3, padding='same', activation='relu'))
model.add(MaxPooling2D())
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dense(len(classes)))
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
history = model.fit(
    x_train, y_train,
    validation_data = (x_test, y_test),
    epochs = 20,
    batch_size= 64
)

此模型的损失和准确性保持不变。 我不知道为什么。谁能告诉我该怎么做？

Answer 1

有很多条件可以使您的准确性和损失保持不变。这实际上取决于您的数据、数据大小、参数设置，甚至是 keras 模型的随机权重。但有时，只是因为您的模型不适合解决您的问题，您可以构建一个更好的模型。如果您认为上述不是您所涉及的情况，您能否提供更多关于您的代码或数据信息的详细信息？