在 CNN 中训练每个 epoch 时，验证准确度很高，但分类报告中的最终准确度很低，这是什么意思？答案

【问题标题】：validation accuracy is high during training each epoch in a CNN but final accuracy in classification report very low what does it mean?在 CNN 中训练每个 epoch 时，验证准确度很高，但分类报告中的最终准确度很低，这是什么意思？
【发布时间】：2020-09-27 16:26:59
【问题描述】：

我正在构建一个 CNN 模型，用于预测 X 射线图像的类别是否感染了新冠病毒。在训练模型期间，这就是我在每个 epoch 中得到的准确度和损失。

Epoch 1/20
43/43 [==============================] - 157s 4s/step - loss: 16.5535 - accuracy: 0.8844 - val_loss: 1.6308 - val_accuracy: 0.9914

Epoch 2/20
43/43 [==============================] - 153s 4s/step - loss: 9.3576 - accuracy: 0.9647 - val_loss: 1.8470 - val_accuracy: 0.9871

Epoch 3/20
43/43 [==============================] - 152s 4s/step - loss: 4.8507 - accuracy: 0.9720 - val_loss: 2.1491 - val_accuracy: 0.9871

Epoch 4/20
43/43 [==============================] - 153s 4s/step - loss: 2.8917 - accuracy: 0.9772 - val_loss: 0.5409 - val_accuracy: 0.9914

Epoch 5/20
43/43 [==============================] - 153s 4s/step - loss: 1.7138 - accuracy: 0.9831 - val_loss: 0.4102 - val_accuracy: 0.9957

Epoch 6/20
43/43 [==============================] - 153s 4s/step - loss: 2.4398 - accuracy: 0.9801 - val_loss: 5.5315 - val_accuracy: 0.9569

Epoch 7/20
43/43 [==============================] - 153s 4s/step - loss: 4.3175 - accuracy: 0.9661 - val_loss: 0.5032 - val_accuracy: 0.9914

Epoch 8/20
43/43 [==============================] - 152s 4s/step - loss: 1.7567 - accuracy: 0.9816 - val_loss: 0.5169 - val_accuracy: 0.9914

Epoch 9/20
43/43 [==============================] - 153s 4s/step - loss: 1.5359 - accuracy: 0.9786 - val_loss: 0.2652 - val_accuracy: 0.9957

Epoch 10/20
43/43 [==============================] - 153s 4s/step - loss: 0.9022 - accuracy: 0.9897 - val_loss: 0.1173 - val_accuracy: 0.9957

Epoch 11/20
43/43 [==============================] - 153s 4s/step - loss: 0.9991 - accuracy: 0.9801 - val_loss: 0.2755 - val_accuracy: 0.9871

当我对预测运行分类报告时，准确率只有 50%。为什么会发生这种情况，请有人解释一下？

【问题讨论】：

1) 你能分享你的代码吗？获得 50% 的准确率通常表明您的代码有问题。 2）您的模型在第 10 个 epoch 之后开始过度拟合。最好使用早停。您是否重用了训练数据中的验证数据？或者您是否应用了任何预处理步骤，例如缩放/最小-最大缩减/漏斗？

标签： python tensorflow keras deep-learning conv-neural-network

【解决方案1】：

在训练了许多模型之后，我开始知道准确性并没有多大帮助。这就是为什么，你应该关注损失而不是准确性。在这种情况下，我建议你降低学习率，因为我可以看到学习不太稳定。另外，我猜您没有在网络中使用批量标准化层，因此您的准确度为 50%。我不能说太多，因为你没有提供太多细节（比如你没有提供你正在使用的模型结构、优化器和损失函数）。但请尝试降低学习率并将 Batch Normalization 引入您的模型。

【讨论】：

感谢您的澄清。我使用的优化器是亚当。使用了 vgg16 和 densenet 基础模型。我对最后几层进行了修改，但分类报告的准确率无论如何显示在 50% 到 55% 之间。损失函数似乎在连续 epoc 中减少，但对预测影响不大。 .批量标准化是解决这个问题的方法吗？
@AkshayMitra 您可以尝试使用批量标准化。