添加一项功能后，我的 cnn 准确性下降

Question

所以我制作了一个分类两种鸟类的 CNN，它运行良好。之后，我尝试再添加一种类型，但结果很奇怪。我已经在 ai stack exchange 上发布了这个，但他们说最好在这里问，所以我提供了那个帖子的链接。

https://ai.stackexchange.com/q/11444/23452

这是型号代码：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D
from tensorflow.keras.callbacks import TensorBoard
import pickle
import time as time

gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction = 0.333)
sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options))

pickle_in = open("C:/Users/Recep/Desktop/programlar/python/X.pickle","rb")
X = pickle.load(pickle_in)
pickle_in = open("C:/Users/Recep/Desktop/programlar/python/Y.pickle","rb")
Y = pickle.load(pickle_in)

X = X/255.0

node_size = 64

model_name = "agi_vs_golden-{}".format(time.time())


tensorboard = TensorBoard(log_dir='C:/Users/Recep/Desktop/programlar/python/logs/{}'.format(model_name))
file_writer = tf.summary.FileWriter('C:/Users/Recep/Desktop/programlar/python/logs/{}'.format(model_name, sess.graph))


model = Sequential()
model.add(Conv2D(node_size,(3,3),input_shape = X.shape[1:]))
#idk what that shape does except that and validation i have no problem 
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Conv2D(node_size,(3,3)))
model.add(Activation("relu"))
model.add(MaxPooling2D(pool_size=(2,2)))

model.add(Flatten())

model.add(Dense(node_size))
model.add(Activation("relu"))

model.add(Dense(1))
model.add(Activation("sigmoid"))

model.compile(loss="binary_crossentropy",optimizer="adam",metrics=["accuracy"])

model.fit(X,Y,batch_size=25,epochs=8,validation_split=0.1,callbacks=[tensorboard])
# idk what the validation is and how its used but dont think it caused the problem

model.save("agi_vs_gouldian.model")

顺便说一句，正如我在原始帖子的 cmets 中所说，我认为可能是网络训练不足，或者我没有足够的数据。所以我尝试增加时代的数量。它有点问题，但我很好奇的是当我有较低的时代时发生了什么？
谁能帮帮我？
我在下面给出张量板图。
顺便说一句，我的数据数组是 rgb 吗？
我怎样才能摆脱这个 %70 的本地最大值？
由于我是这方面的初学者，我不知道什么验证真正有效，但我看到验证图在我遇到问题的第一次训练中保持不变。

Answer 1

您尝试使用 sigmoid 对三只鸟进行分类。 Sigmoid 适用于二元分类。尝试一个 softmax 激活层，看看效果如何。我建议更换

model.add(Dense(1))
model.add(Activation("sigmoid"))

与

model.add(Dense(3, activation='softmax'))

其中 3 是您要分类的鸟类类型的数量。

看看这里，一个非常好的使用softmax作为多类分类的激活层的教程

https://machinelearningmastery.com/multi-class-classification-tutorial-keras-deep-learning-library/