尽管有 70% 的准确率，但 Cnn 预测非常差答案

【问题标题】：Cnn prediction is very poor inspite of 70% of accuracy尽管有 70% 的准确率，但 Cnn 预测非常差
【发布时间】：2019-10-30 12:55:44
【问题描述】：

我是 stackoverflow 和深度学习的新手。我一直在关注下面的多标签图像分类示例。

我将图像减少到 500...使用 2 个 epoch...它在测试集和训练测试中的准确率约为 72%。我这样做是因为我遇到了内存错误。

但是预测非常非常差...我从训练集中拍摄了一张图像..即使预测完全错误...

请你帮帮我。抱歉，如果我错过了一些东西。

谢谢。

【问题讨论】：

【解决方案1】：

@Jankey，2 epoch 不足以正确训练神经网络，MNIST 可以从 50 开始。如果您有内存问题，请尝试将批量大小减少到 8 或 16。

model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test), batch_size=16)

您还可以将convolution filters 的数量减少到 32 个，将Dense 层中的节点数量减少到 32 个。尝试根据您的基础架构限制使其更高效。

【讨论】：

【解决方案2】：

感谢您的建议和指导。我做了以下更改。

1) model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test), batch_size=32)

2) 保留两个卷积层和 32 个过滤器

3) 将输入形状更改为 (64,64,3) 测试然后更改为 (224,224,3)。

有了这些，我能够得到更好的预测。不是 100%。但要好得多。将尝试进一步调整和测试模型。

再次感谢您的快速帮助。

【讨论】：