Tensorflow建模

Question

我已经开始研究张量流及其建模功能。

我有一些标准化的400x500图像存储为numpy数组。

这些组织为： 培训A类为180， 测试A类为20， B类培训为50，以及 测试类别为11。

目前我正在使用入门模型：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(400, 500)),
    keras.layers.Dense(12, activation=tf.nn.relu),
    keras.layers.Dense(8, activation=tf.nn.sigmoid)
    keras.layers.Dense(2, activation=tf.nn.softmax)])

model.compile(optimizer=tf.train.AdamOptimizer(),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(train_images, train_labels, epochs=5, batch_size = 5)

train_images包含[0-199]类A和[200-249] B类图像。 train_labels包含相应的标签。

在执行过程中，与使用的历元数无关，准确性始终位于0.78左右。损失也不会改变。

0.78似乎与A类和B类之间的成像比例接近。

我会很乐意帮助您前进。

谢谢。

Answer 1

我认为您的模型太简单了。您具有仅几个神经元的三个密集层，这似乎无法识别大小为200000的输入中的某些复杂特征。您应该首先尝试一些卷积层。