如何进一步降低 CNN 模型中的损失值？ [关闭]答案

【问题标题】：How can I further reduce the loss value in a CNN model? [closed]如何进一步降低 CNN 模型中的损失值？ [关闭]
【发布时间】：2022-01-02 11:54:08
【问题描述】：

我正在尝试构建一个 CNN 来对水果进行分类。我一直在经历高损失值，我正在尝试尽可能地减少它，但我不确定如何进一步改进我的模型。

这是我的代码：

model96 = tf.keras.Sequential()

#Architecture
model96.add(tf.keras.layers.Conv2D(filters = 32,
                                 kernel_size = (3, 3),
                                 activation = "relu",
                                 input_shape = (96, 96, 3)))

model96.add(tf.keras.layers.Conv2D(filters = 32,
                                 kernel_size = (3, 3),
                                 activation = "relu"))

model96.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))

model96.add(tf.keras.layers.Dropout(rate=0.25))

model96.add(tf.keras.layers.Flatten())

model96.add(tf.keras.layers.Dense(units=128, activation='relu'))

model96.add(tf.keras.layers.Dropout(rate=0.5))

#output layer
model96.add(tf.keras.layers.Dense(units=4, activation='softmax'))

#Loss function
model96.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

#Train model
hist96 = model96.fit(x=x_train96_norm, y=y_train, epochs=100)

#Test and Evaluate
print("Performance with test data:")
loss96, accuracy96 = model96.evaluate(x=x_test96_norm, y=y_test)
print('loss =', loss96)
print('accuracy =', accuracy96)

在训练过程中，最终损失值为 0.0153，最终准确度值为 0.9958，然而，在测试过程中，模型得分：loss = 1.0462701320648193 和 accuracy = 0.8666666746139526

【问题讨论】：

我投票结束这个问题，因为它与 help center 中定义的编程无关，而是关于 ML 理论和/或方法 - 请参阅 stackoverflow.com/tags/machine-learning/info 中的介绍和注意事项跨度>

标签： tensorflow machine-learning deep-learning neural-network conv-neural-network

【解决方案1】：

您的问题看起来像一个经典的过拟合问题。您可以添加EarlyStopping 来避免这种情况。 EarlyStopping 将在验证损失停止减少时立即停止训练过程。代码非常简单：

callback = tf.keras.callbacks.EarlyStopping(monitor='loss', patience=3)

hist96 = model96.fit(x=x_train96_norm, y=y_train, epochs=100, callbacks=[callback])

【讨论】：