【发布时间】：2017-08-04 22:54:17
【问题描述】：
我有基于 InceptionV3 的 NN。
在 epoch 期间分批喂它会产生良好的结果，例如：
loss: 0.3596 - acc: 0.8479 - val_loss: 0.3442 - val_acc: 0.8515
训练完成后，我决定检查整个训练数据集的训练准确性。
sklearn.metrics.accuracy_score(labels, np.round(train_predictions))
给了我 0.52520718232044195
这怎么可能？
【问题讨论】：
-
你应该在测试集而不是训练集上评估你的模型。
-
是的，我明白这一点。我认为，如果分类器做得好，它应该在训练数据集上显示出比随机猜测更好的准确度（现在 2 类分类器的准确率约为 50%！）。
-
True :D 你为什么要四舍五入的预测？
-
因为 NN 输出概率。标签是整数 - 零和一，所以我想知道有多少预测样本应该被视为“真”和“假”，所以我正在四舍五入。
标签： neural-network keras conv-neural-network keras-2