如何提高 CNN 模型的性能（机器学习 - 深度学习）答案

【问题标题】：how to improve the performance of the CNN model (Machine Learning - Deep Learning)如何提高 CNN 模型的性能（机器学习 - 深度学习）
【发布时间】：2018-12-07 22:35:34
【问题描述】：

我正在尝试训练一个基于 CNN 的模型，

训练数据是月球着陆器的图像，但是模型性能不好，准确率在45%左右，我尝试添加更多的层来改进它，但仍然不能很好地工作，可以吗？提供一些关于如何改进它的想法。标签：上下左右（0,1,2,3）采样率：0.1

训练数据已从图像转换为数据标签：

这是我的一些代码：

model = Sequential()

model.add(Conv2D(32, (3, 3), padding='same', input_shape=(CHANNELS, ROWS, COLS), activation='relu'))
model.add(Conv2D(32, (3, 3), padding='same', activation='relu'))
model.add(Conv2D(32, (3, 3), padding='same', activation='relu'))
model.add(Conv2D(32, (3, 3), padding='same', activation='relu'))
model.add(Conv2D(32, (3, 3), padding='same', activation='relu'))

model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())

model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))

model.add(Dense(num_classes, activation = 'softmax'))
.summary()

【问题讨论】：

训练准确率是多少？
对训练数据的预测准确率约为56%。
您的首要目标应该是提高训练的准确性。请用你的预测更新问题，你已经运行了多少个 epoch，56% 的准确率花了多少时间，数据集中有多少行，
我已经更新了

标签： tensorflow machine-learning deep-learning keras convolutional-neural-network

【解决方案1】：

我会尝试降低辍学率。辍学用于防止过度拟合。看起来您的模型甚至不适合放在首位。

【讨论】：