我目前正在使用内置keras的resnet进行两类分类。我正在使用模型检查点来保存基于验证准确性的最佳模型。
保存更好更好的模型，直到我经历了几次所有的数据点。 Keras不断保存新模型，显示它们具有更高的精度，但是当我测试模型时，它们的性能比以前的型号差。
以下是使用验证数据测试每个模型的输出。模型名称中的第一个数字是纪元，最后一个数字是根据keras的准确度。
- 03-0.90.hdf5，对A：176的错误预测，对B：1652的错误预测，
总错误1828
- 04-0.91.hdf5，对A：246的错误预测，对B：1448的错误预测，
总错误1694
- 06-0.92.hdf5，对A：135的错误预测，对B：1738的错误预测，
总错误1873
- 09-0.92.hdf5，错误预测A：117，对B：1738的错误预测，
总错误1855
- 10-0.92.hdf5，对A：183的错误预测，对B：1208的错误预测，
总错误1391
- 15-0.92.hdf5，对A：64的错误预测，对B：2973的错误预测，
总错误3037
- 23-0.93.hdf5，对A：119的错误预测，对B：2511的错误预测，
总错误2630
- 26-0.93.hdf5，错误的预测A：113，对B：1794的错误预测，
总错误1907
- 27-0.93.hdf5，对A：85的错误预测，对B：2821的错误预测，
总错误2906
...
- 1049-0.97.hdf5，对A：31的错误预测，对B的错误预测：
5949，总错误5980
- 1089-0.97.hdf5，对A：3的错误预测，对B：6137的错误预测，
总错误6140
- 1092-0.97.hdf5，对A：6的错误预测，对B：6325的错误预测，
总错误6331
- 1095-0.97.hdf5，对A：0的错误预测，对B的错误预测：6408，
总错误6408
- 1126-0.97.hdf5，对A：0的错误预测，对B：6413的错误预测，
总错误6413
正如你所看到的，似乎该模型正在提高预测A的准确度，即使B的准确率下降超过A正在改善。
修改：这是我的代码https://github.com/tan2684/Modified-Keras-Resnet