我正在使用Keras中编程的U-Net进行输入数据的分割。事实是，我在数据集上使用KFold交叉验证（k = 5），但是在不同折叠倍数获得相同结果（甚至不接近）时遇到了问题。
使用(1-jaccard)作为自定义损失（与骰子系数非常相似），对于某些折（〜0.1），我得到了很好的结果，但在其他折中，损失停留在第一个时代（〜0.8）并完全不更新。对于我来说，这种行为似乎没有意义，因为褶皱主要包含相同的信息。这似乎不是数据集或丢失的问题，因为问题在不同的执行过程中绝对随机地出现在不同的褶皱处。您对此有任何输入吗？一些指针，一些东西要阅读？
更多信息：给定我的特定数据集，我使用的批处理量非常大（大约1000）。我正在使用Adam优化器，并且尝试增加和减少学习率均无济于事。我用0.2个验证间隔对模型进行拟合，以100个时间点及早停止。我使用的是U-net的this guy's实现的稍有不同的版本。