张量流建模答案

【问题标题】：Tensorflow modelling张量流建模
【发布时间】：2018-08-27 22:35:59
【问题描述】：

我已经开始对 tensorflow 及其建模功能进行一些探索。

我有许多标准化的 400x500 图像存储为 numpy 数组。

这些组织如下： 180 用于 A 类培训， 20 用于测试 A 类，培训类别 B 为 50，以及 11 用于测试类别。

目前我使用的是入门模型：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(400, 500)),
    keras.layers.Dense(12, activation=tf.nn.relu),
    keras.layers.Dense(8, activation=tf.nn.sigmoid)
    keras.layers.Dense(2, activation=tf.nn.softmax)])

model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=5, batch_size = 5)

train_images 包含 [0-199] 类 A 和 [200-249] 类 B 图像。 train_labels 包含相应的标签。

在执行期间，准确率始终保持在 0.78 左右，与使用的 epoch 数无关。损失也没有改变。

0.78 似乎接近于 A 类和 B 类之间成像的比率。

我将不胜感激任何帮助，以帮助开始。

谢谢。

【问题讨论】：

你应该看看假/真负分，它会告诉你你是否学到了一些东西。
你也可以在不平衡的标签上使用权重

标签： python tensorflow

【解决方案1】：

我觉得你的模型太简单了。你有三个只有几个神经元的密集层，这似乎不能识别大小为 200000 的输入中的一些复杂特征。你应该先尝试几个卷积层。

【讨论】：