Keras CNN val_accuracy、loss、accuracy

Question

我在 Keras 中使用 CNN 执行二进制分类。该数据集总共有近 8k 张图像，但并不平衡——一类有大约 1500 个样本，而另一类有 6500 个样本。我没有在训练前设置随机种子。现在，当我几天前运行这个模型时，我得到了 99% 的准确率。前几天我又跑了一次——准确率达到了 99%。可以肯定的是，我又运行了 5 次，每次都得到相同的结果。现在，在我再次运行它以存储参数和绘制图表的 4 天后，我的模型停留在 85% 的准确度和 67% 的验证准确度。时代没有任何变化，它只是卡在那里。 我正在使用 flow_from_directory 动态加载图像，并在加载图像时执行一些增强。我知道权重每次都是随机初始化的，这就是为什么我存储了性能最佳模型的权重。但我只是无法重现结果。知道这里出了什么问题吗？

model = Sequential()
model.add(Conv2D(32, kernel_size=(5, 5),
                 activation='relu',
                 input_shape=(476,476,3)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5))
model.add(Conv2D(64, (5, 5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5))
model.add(Conv2D(128, (5, 5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5))
model.add(Conv2D(256, (5, 5), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))

model.compile(loss=binary_crossentropy,
              optimizer=Adam(learning_rate=0.0001),
              metrics=['accuracy'])

Answer 1

在现实世界和不平衡的数据集上实现 99% 的准确率是非常不可能的，尤其是考虑到您的 ANN 与最先进的技术（例如在cats vs dogs challenge 等数据集上产生接近 99% 的准确率。另外，请注意，使用后者，您可以在平衡的设置中拥有约 25000 张图像。

85% 的训练准确率和 67% 的验证准确率听起来是非常合理的数字，但对您的数据集一无所知。当然，您应该尝试通过增加少数派来解决不平衡问题。

那么，为什么你之前会得到 99%？矩阵中的故障或极端运气。如果它不可重现，那就忘掉它，专注于你现在得到的结果。最后但同样重要的是，确保在任何随机过程中修复种子。