我有一个三维卷积神经网络[keras，tensorflow]和患有先进阿尔茨海默病，早期阿尔茨海默氏症和健康人（3类）的人的3D脑图像。我有324个图像的训练集和74个图像的测试集。当我训练我的CNN时，我有大约65-70％的准确度，但对于测试组我只有30-40％。当我使用测试数据作为验证数据然后用于训练集时，我的准确度也不超过37％，并且损失在整个时间内保持在相同的水平。没关系我改变哪些参数，结果是一样的。我将准备好的和规范化的数据从.h5文件加载到Python中，输入有形状（None，90,120,80,1）。我不知道可能出错了什么，我多次检查代码，一切似乎都是正确的。
我的CNN有4个conv3D图层，3个最大池，激活：relu和batch_normalizations，3个密集层和dropout，softmax
我感谢任何帮助或想法。
答案 0 :(得分：1)
如果您的训练数据只有65/70％的准确度非常差，并且表明您的神经网络没有正确收敛。如果结构足够复杂，通过有效地学习对小输入样本的输出进行硬编码，您的网络应该能够至少过度拟合训练数据。听到它的声音，你的结构足够复杂。
首先要尝试的是将学习率降低10倍，并关闭验证/提前停止/标准化/正规化以及任何其他防止过度拟合的方法。然后冲洗，重复 - 更多次迭代，每次将LR减少10倍 - 直到你可以将训练数据过度拟合到训练数据接近100％的位置。
然后，您可以进行适当的早期停止，退出，规范化，正规化等工作，以防止过度拟合与您知道有效的学习率。
如果掉落LR甚至不适合LR，那么你的NN结构就会出现问题。