Keras不使用fit_generator（）进行训练

Question

我正在使用Keras 2.0.4（TensorFlow后端）进行图像分类任务。 我正在尝试训练自己的网络（没有任何预先训练的参数）。 由于我的数据很大，我无法将所有数据加载到内存中。 因此，我使用ImageDataGenerator()，flow_from_directory()和fit_generator()。

创建ImageDataGenerator对象：

train_datagen = ImageDataGenerator(preprocessing_function = my_preprocessing_function) # only preprocessing; no augmentation; static data set

my_preprocessing_function将图像重新缩放到域[0,255]，并通过平均缩减来中心数据（类似于VGG16或VGG19的预处理）

使用flow_from_directory()对象中的方法ImageDataGenerator：

train_generator = train_datagen.flow_from_directory(
    path/to/training/directory/with/five/subfolders,
    target_size=(img_width, img_height),
    batch_size=64,
    classes = ['class1', 'class2', 'class3', 'class4', 'class5'],
    shuffle = True,
    seed = 1337,
    class_mode='categorical')

（为了创建validation_generator，也是如此。）

在定义和编译模型（损失函数：categorical crossentropy，优化器：Adam）之后，我使用fit_generator()训练模型：

model.fit_generator(
    train_generator,
    steps_per_epoch=total_amount_of_train_samples/batch_size,
    epochs=400,
    validation_data=validation_generator,
    validation_steps=total_amount_of_validation_samples/batch_size)

问题：
没有错误消息，但培训效果不佳。 在400个时期之后，准确度仍然在20％左右振荡（这与随机选择其中一个类别一样好）。实际上，分类器总是预测'class1'。 仅在一个训练时期之后也是如此。虽然我正在初始化随机权重，为什么会这样？ 怎么了？我错过了什么？

U S E D M O D E L

x = Input(shape=input_shape)

# Block 1
x = Conv2D(16, (3, 3), activation='relu', padding='same', name='block1_conv1')(x)
x = Conv2D(16, (5, 5), activation='relu', padding='same', name='block1_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block1_pool')(x)

# Block 2
x = Conv2D(64, (3, 3), activation='relu', padding='same', name='block2_conv1')(x)
x = Conv2D(64, (5, 5), activation='relu', padding='same', name='block2_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block2_pool')(x)

# Block 3
x = Conv2D(16, (1, 1), activation='relu', padding='same', name='block3_conv1')(x)

# Block 4
x = Conv2D(256, (3, 3), activation='relu', padding='valid', name='block4_conv1')(x)
x = Conv2D(256, (5, 5), activation='relu', padding='valid', name='block4_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block4_pool')(x)

# Block 5
x = Conv2D(1024, (3, 3), activation='relu', padding='valid', name='block5_conv1')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block5_pool')(x)

# topping 
    x = Dense(1024, activation='relu', name='fc1')(x)
    x = Dense(1024, activation='relu', name='fc2')(x)
predictions = Dense(5, activation='softmax', name='predictions')(x)

E D I T
终端输出