Question

我正在尝试使用Fine-Grained Visual Classification of Aircraft基准数据集训练Vigg19网络。我选择了3架飞机。使用数据集中给定的文本文件，我设法构造一个数据框，以便使用flow_from_dataframe生成器。

df = pd.read_csv("./train_family.csv")
df_test = pd.read_csv("./test_family.csv")

datagen=ImageDataGenerator(rescale=1./255.,validation_split=0.25,rotation_range=10, horizontal_flip=True, vertical_flip=True)
train_generator=datagen.flow_from_dataframe(dataframe=df, 
                                            directory="./data/images", 
                                            x_col="train", y_col="labels", 
                                            class_mode="categorical", target_size=(224,224), batch_size=8, seed = 19, shuffle = True, color_mode = "rgb",
                                            subset = "training")

valid_generator=datagen.flow_from_dataframe(dataframe=df, 
                                            directory="./data/images", 
                                            x_col="train", y_col="labels", 
                                            class_mode="categorical", target_size=(224,224), batch_size=8, seed = 19, shuffle = True, color_mode = "rgb",
                                            subset = "validation")

test_generator=datagen.flow_from_dataframe(dataframe=df_test, 
                                            directory="./data/images", 
                                            x_col="test", y_col="labels", 
                                            class_mode="categorical", target_size=(224,224), batch_size=8, seed = 19, shuffle = False, color_mode = "rgb")

在拟合模型时，算法始终提供相同的验证精度，即“ 1”

损耗：5.5803-acc：0.6538-val_loss：1.1921e-07- val_acc：1.0000

我做了一些挖掘工作，可能是由于火车/验证/测试集中的数据量引起的问题。在下面，您可以分别看到用于训练，验证和测试集的生成器的输出。

Found 550 images belonging to 3 classes.
Found 183 images belonging to 3 classes.
Found 367 images belonging to 3 classes.

我应该通过减少测试集来增加训练集吗？

谢谢

CNN中的恒定精度

0 个答案: