Question

我正在开展第一个使用卷积神经网络计算图像中图层的深度学习项目。

在解决了大量错误之后，我终于可以训练我的模型了。但是，我的准确率为0;在第二纪元之后，它就停止了，因为它没有学到任何东西。

输入将是1200 x 100大小的图像，输出将是一个整数。

如果有人可以查看我的模型并提出建议。那将是非常棒的。

感谢。

from keras.layers import Reshape, Conv2D, MaxPooling2D, Flatten


model = Sequential()
model.add(Convolution2D(32, 5, 5, activation='relu', input_shape=(1,1200,100)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Convolution2D(64, 5, 5, activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(1, activation='relu'))



batch_size = 1
epochs = 10
sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(sgd, loss='poisson', metrics=['accuracy'])

earlyStopping=keras.callbacks.EarlyStopping(monitor='val_loss', patience=0, verbose=0, mode='auto')
history = model.fit(xtrain, ytrain, batch_size=batch_size, nb_epoch=epochs, validation_data=validation, callbacks=[earlyStopping], verbose=1)

Answer 1

有很多东西需要批评吗？

1200 * 100大小的图像（我认为它们是像素）对于CNN而言是如此之大。在ImageNet比赛中，图像全部为224 * 224,299 * 299。你为什么不在最后一层使用线性或sigmoid激活？
您是否规范了0到1之间的输出？将其标准化，只需将输出除以输出的最大值，并在训练/预测后使用CNN时乘以相同的数字。
不要将它与小数据一起使用，不必要： earlyStopping = keras.callbacks.EarlyStopping（monitor ='val_loss'，耐心= 0，详细= 0，模式='自动'）
使用Adam将优化器降低到0.001。

你的数据实际上并不大，它应该可以工作，可能你的问题在于输出/输入的标准化，检查它们。

使用Keras深度学习进行图层计数

1 个答案: