Question

我正在建立一个模型来对图像进行分类，当我使用model.predict给它提供图像时，它会为我提供随机输出。 model.evaluate_generator给我的精度为0.9530581049962875，损失为0.2506975952616229。图片为64x64，带有三个通道

我尝试使用其他数据集，但得到的结果相同。

我想知道我的模型架构是否有问题。

inotifyFd

编辑：我的训练代码和用于预测的代码

proc(5)

Answer 1

我想到的一些建议是：

尝试尽可能减少MaxPooling层的数量。如您所见，最温和的最大池(2, 2)会删除75％的数据！
降低辍学率。如果您的节点的一半在每次培训迭代时都关闭，则使他们学习东西有些困难（我知道有人会不同意，这是基于我的机器学习经验的我个人的看法）。我通常将其设置在0.1-0.25范围内。
通常，您不需要所有这些过滤器。 CNN通常从初始层的过滤器数量较少开始，并随层数的增加而增加。这样，您只需从嘈杂的像素数据中提取相关信息，然后让网络细化更复杂的表示形式。我通常从32开始，然后再升至64、128。请考虑这是我个人的经验法则（它总是返回好的结果，但是其他体系结构也可能很棒）。

除此之外，您可以尝试经典的正则化技术，例如：L1-L2正则化或不同的权重初始化。

另外，请分享培训代码。问题可能出在这里，而不是模型的体系结构中。