Question

我正在使用转移学习在ResNet50中通过Keras模型训练图像分类器并加载预训练的权重，但loss最初转到nan并立即acc保持随机水平。

实际上，我不知道出了什么问题，因为我已经使用这个模型成功地训练了一个分类器，虽然它没有高acc但它运作良好。这次失败了。

我调了lr但没有发生任何事情。有人说数据可能有问题，所以我改变了数据，只发现不同的图像，同一个模型会显示不同的结果（也就是说，一些数据/图像效果很好，另一个数据/图像会产生{{1}即刻）。怎么会这样？我真的很困惑，无法弄清楚我的图像有什么问题。

数据集：8个类，每个类包含大约300个图像。

以下是所有代码：

loss:nan

，运行输出为：

import keras
import h5py
import numpy as np
import matplotlib.pyplot as plt

from keras.applications import ResNet50
from keras.models import Sequential
from keras.layers import Dense, Flatten, GlobalAveragePooling2D
from keras.applications.resnet50 import preprocess_input
from keras.preprocessing.image import ImageDataGenerator


data_generator = ImageDataGenerator(preprocessing_function= preprocess_input, 
                        rescale = 1./255)

train_generator = data_generator.flow_from_directory("image/train", 
                        target_size = (100, 100), 
                        batch_size = 32, 
                        class_mode = "categorical")
dev_generator = data_generator.flow_from_directory("image/dev", 
                        target_size = (100, 100), 
                        batch_size = 32, 
                        class_mode = "categorical")

num_classes = 8
model = Sequential()
model.add(ResNet50(include_top = False, pooling = "avg", weights= "resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5"))
model.add(Dense(num_classes, activation = "softmax"))
model.layers[0].trainable = False

model.compile(optimizer= "adam", loss= "categorical_crossentropy", metrics=["accuracy"])

model.fit_generator(train_generator, steps_per_epoch= 1, epochs = 1)

Answer 1

首先纠正“image/dev”至"image/dev"

我认为你的错误就在于这一行：

data_generator = ImageDataGenerator(preprocessing_function= preprocess_input, rescale = 1./255)

在同时使用preprocess_input功能和rescale = 1./255时，您可以对数据进行双倍缩放。尝试删除重新缩放...

data_generator = ImageDataGenerator(preprocessing_function= preprocess_input)

当在Keras中通过ResNet50进行转移学习时，损失总是变为纳米

1 个答案: