【发布时间】:2021-10-31 12:14:04
【问题描述】:
我目前正在尝试运行一个 CNN 模型,该模型查看猫和狗的图像以尝试对它们进行分类(一个古老的 kaggle 问题)。但是,我想看看运行不同数量的 epoch 对模型准确性的影响。
不幸的是,当我多次运行 model.fit() 以及 model.evaluate() 时,准确度分数似乎与上一次模型运行相叠加。例如,我得到的错误输出是:
100 Epochs Test Accuracy: 67.7%
200 Epochs Test Accuracy: 98.5%
300 Epochs Test Accuracy: 259.0%
我的 CNN 是这样构建的:
input_layer = Input(shape=(img_shape, img_shape, 3))
convolution_layer_1 = Conv2D(32, kernel_size=(5,5), activation = 'relu')(input_layer)
max_pool_1 = MaxPooling2D(pool_size=(2,2), strides=2)(convolution_layer_1)
convolution_layer_2 = Conv2D(64, kernel_size=(5,5), activation = 'relu')(max_pool_1)
max_pool_2 = MaxPooling2D(pool_size=(2,2),strides=2)(convolution_layer_2)
dense_layer_1 = Dense(32, activation='relu')(max_pool_2)
flatten_layer_1 = Flatten()(dense_layer_1)
dropout_1 = Dropout(0.4)(flatten_layer_1)
output_layer = Dense(1, activation='softmax')(dropout_1)
model = Model(inputs=input_layer, outputs=output_layer)
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.summary()
然后我运行了以下一系列 model.fit() 和 model.evaluate() 命令,每次只更改 epochs 值(和打印语句)。
model.fit_generator(
training_set_data,
epochs = 100,
validation_data = test_set_data,
)
score_100 = model.evaluate(test_set_data)
print('\nTest accuracy for 100 epochs: %0.4f%%' % (score_100[0] * 100))
# 100 Epochs Test Accuracy: 67.7%
-------------------------------------------
model.fit_generator(
training_set_data,
epochs = 200,
validation_data = test_set_data,
)
score_200 = model.evaluate(test_set_data)
print('\nTest accuracy for 200 epochs: %0.4f%%' % (score_200[0] * 100))
#200 Epochs Test Accuracy: 98.5%
-------------------------------------------
model.fit_generator(
training_set_data,
epochs = 300,
validation_data = test_set_data,
)
score_300 = model.evaluate(test_set_data)
print('\nTest accuracy for 300 epochs: %0.4f%%' % (score_300[0] * 100))
#300 Epochs Test Accuracy: 259.0%
如何分别运行 model.fit() 的这三个时期迭代?这样 model.evaluate() 的输出可以正确打印吗?例如:
100 Epochs Test Accuracy: 67.7%
200 Epochs Test Accuracy: 70.5%
300 Epochs Test Accuracy: 74.0%
我尝试创建 3 个单独的 CNN 编译以单独运行每个编译,如下所示:
model1 = Model(inputs=input_layer, outputs=output_layer)
model1.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model2 = Model(inputs=input_layer, outputs=output_layer)
model2.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
然后
model1.fit ....etc
model2.fit ....etc
但是现在问题似乎出在模型本身上?因为如果我直接运行model3(300个epoch)而不运行model1和model2,我仍然得到200+%的准确度分数
发生了什么事!?
【问题讨论】:
-
您使用的是
fit_generator(),而不是fit()。您可能需要遍历fit_generator()才能执行操作。 -
@AKX 我尝试将它们全部更改为
fit,但问题仍然存在 -
您可以尝试将输出从
softmax切换到sigmoid吗?另见stackoverflow.com/a/62844619/826983 -
@StefanFalk 更改为
sigmoid也没有解决问题
标签: python tensorflow keras deep-learning