Keras Tensorflow val_acc始终为1或从0跳到1

Question

在某些网络中，我注意到val_acc直接从1.000开始 例如：

...
3/1667 [==============================] - 8s - loss: 0.0877 - acc: 0.0432 
- val_loss: 0.0814 - val_acc: 1.0000
Epoch 2/50

显然，在测试模型时，准确性是完全错误的。

在我看来，有过度拟合，但即使减少LR，这似乎也不会产生任何影响。 添加dropout导致val_acc为0.0000，并且从那里它不会移动。

我期望从测试集和验证测试中获得类似的准确性，但似乎2个值根本不相关

编辑以添加信息： 输入数据是一批黑白图像，其中x / y坐标表示眼睛位置。每个像素值在0-1范围内归一化，我确信眼睛坐标是正确的。

Answer 1

首先要确认的是数据是否正确加载并按预期加载。我在检查同事的代码以训练CNN执行图像分割时遇到了这个问题。事实证明，输入接地事实都是0（在训练数据中），网络也只输出0，并获得完美的准确度。

如果数据似乎是正确的，那么使用不同的准确度指标也可以帮助解决这个问题。您可以参考文档，了解哪些指标可用，并且与您尝试解决的问题非常匹配。