Question

VGGNet在微调时没有学习。

我在ECG数据上训练了VGGnet 16层模型。之后，我设计了一个新模型，该模型采用了conv_base的VGGnet并在其顶部建立了完全连接的层。新模式根本没有学习。它显示出相同的准确性和损失时期。稍后，我使用Keras库从头开始设计了完整的new_model（VGGNet的某些变体），但是在训练时该模型也没有得到改进。可能是什么原因？无论我训练的是哪种型号（以前都能正常工作），都能获得89.02％的准确率。

Model summary is Layer (type)    Output Shape         Param #     Connected to                     
input_1 (InputLayer)            (None, 1201, 1)         0            

input_2 (InputLayer)            (None, 401, 1)          0            

sequential_1 (Sequential)       (None, 2560)         8176064     input_1[0][0]                    
sequential_2 (Sequential)       (None, 25088)        49664       input_2[0][0]                    
concatenate_1 (Concatenate)     (None, 27648)        0           sequential_1[1][0], sequential_2[1][0]               
dense_1 (Dense)                 (None, 1024)         28312576    concatenate_1[0][0]              
dropout_1 (Dropout)             (None, 1024)         0           dense_1[0][0]                    
dense_2 (Dense)                 (None, 512)          524800      dropout_1[0][0]                  
dropout_2 (Dropout)             (None, 512)          0           dense_2[0][0]                    
dense_3 (Dense)                 (None, 256)          131328      dropout_2[0][0]                  
dropout_3 (Dropout)             (None, 256)          0           dense_3[0][0]                    
dense_4 (Dense)                 (None, 64)           16448       dropout_3[0][0]                  
dense_5 (Dense)                 (None, 2)            130         dense_4[0][0]

培训代码

    from keras.optimizers import adam



    from keras.callbacks import ModelCheckpoint
    checkpointer = 
    ModelCheckpoint(filepath='modifiedVGGBasic.bestweights.hdf5', 
    verbose=1, monitor='val_acc',mode='max', \
                               save_best_only=True)
    earlystop = EarlyStopping(monitor='val_acc', min_delta=0.001, patience=50, \
                    verbose=2, mode='max', restore_best_weights=True)

    ecg_model.compile(optimizer='adam', loss='categorical_crossentropy',metrics=['acc'])

     result =ecg_model.fit([xt1r,xt2r],yt,validation_data=([xv1r,xv2r],yv), \
                  batch_size=128,class_weight=class_weights, \
                   epochs=150, verbose=2, callbacks=[earlystop, checkpointer])

以下显示了两个时期的输出。在所有时期内，它的准确度均达到89.02％，并且不会学习。

对53819个样本进行训练，对13455个样本进行验证

时代1/150    -916s-损失：1.7631-acc：0.8866-val_loss：1.7705-val_acc：0.8902

Epoch 00001：val_acc从-inf改进为0.89015，将模型保存为   修改后的VGGBasic.bestweights.hdf5

史诗2/150    -888s-损失：1.7703-acc：0.8902-val_loss：1.7705-val_acc：0.8902

VGGnet在训练时没有学习

0 个答案: