提高 CNN 模型的准确性（陷入非常低的准确性）答案

【问题标题】：Increase accuracy of CNN model (stuck at really low accuracy)提高 CNN 模型的准确性（陷入非常低的准确性）
【发布时间】：2020-11-21 16:53:23
【问题描述】：

这是我的代码：用于 CNN 图像识别训练

蟒蛇

# definiton of code

def make_model():


    model = Sequential()
    model.add(Conv2D(16, (3,3),input_shape = (32,32,3), padding = "same", 
    kernel_initializer="glorot_uniform"))
    model.add(LeakyReLU(alpha=0.1))

    model.add(Conv2D(32, (3,3),input_shape = (32,32,3), padding = "same", 
    kernel_initializer="glorot_uniform"))
    model.add(LeakyReLU(alpha=0.1))
    model.add(MaxPooling2D(pool_size = (2,2),padding = "same"))
    model.add(Dropout(0.25))*

  

    model.add(Conv2D(32,(3,3), input_shape = (32,32,3), padding = "same"))
    
    model.add(LeakyReLU(alpha=0.1))

    model.add(Conv2D(64, (3,3),input_shape = (32,32,3), padding = "same"))
    model.add(LeakyReLU(alpha=0.1))

    model.add(MaxPooling2D(pool_size = (2,2),padding = "same"))
    model.add(Dropout(0.25))

    *layer*

    model.add(Flatten())
    model.add(Dense(256))

    *for activation*
    model.add(LeakyReLU(alpha=0.1))
    model.add(Dropout(0.5))
    
    model.add(Dense(10))

    *for activation*
    model.add(LeakyReLU(alpha=0.1))

    model.add(Activation("softmax"))

然后它的结果让我感到害怕：

loss: 7.4918; acc: 0.1226.

我一直在尝试更多方法，但我不知道我应该为正确的道路做些什么。

【问题讨论】：

标签： python machine-learning keras image-recognition conv-neural-network

【解决方案1】：

没有问题的细节，很难进行更多调查。

但我会鼓励你更多地研究：

BatchNormalization
损失函数
学习率
优化器
隐藏层

【讨论】：

【解决方案2】：

当前最先进的技术是将卷积与 Batch Normalization 和 ReLU 激活一起应用。顺序应如下：

卷积
批量标准化
ReLU（也可能是泄漏的 ReLu 或任何其他激活）

因此，您应该在卷积之后添加 BN，然后还应该删除 DropOut。许多研究人员研究表明，如果使用 BN，则不需要 Dropout，而且 BN 的性能实际上更好。

除此之外，您可能应该使用学习率、过滤器数量等参数。

还要确保您使用的是正确的损失和与您的损失相对应的输出激活。

【讨论】：