Question

我已用全局平均池替换了VGG16模型的最后两个完全连接的层，并使用乳腺X线照片图像将此CNN用于二进制分类（0级：良性，1级：恶性）。学习率设置为0.0000001，纪元=500。训练损耗曲线在较大范围内波动（如大的锯齿形），而验证损耗曲线则像一条平坦的直线。我附上训练损失与验证损失曲线的关系图，以更好地理解。training loss vs validation loss curve

另一方面，训练精度曲线也在较大范围内波动（如大的锯齿形），验证精度曲线就像一条直线，我还附上训练精度与验证精度曲线的图一个更好理解的数字。training accuracy vs validation accuracy curve

为了训练280张（良性：136张，恶性：144张）图像，应用了数据增强。为了进行验证，使用了27张（良性：14张，恶性：13张）图像。为了进行测试，使用了21张（良性：5张，恶性：16张）图像。混淆矩阵看起来不错：Confusion matrix

我的问题是，当验证损失曲线总是平坦时，为什么训练损失曲线会波动？而且，当验证准确性曲线总是平坦时，为什么我的训练准确性曲线会波动？

# Show the image paths
train_path = 'Digital_Mamo/OPTIMAM'      # Relative Path
valid_path = 'Digital_Mamo/InBreast'
test_path = 'Digital_Mamo/BCDR'


valid_batches = ImageDataGenerator().flow_from_directory(valid_path, target_size=(224, 224), classes=['Benign', 'Malignant'], batch_size=9) #, color_mode="grayscale"
test_batches = ImageDataGenerator().flow_from_directory(test_path, target_size=(224, 224), classes=['Benign', 'Malignant'], batch_size=7)

datagen = ImageDataGenerator(rotation_range=10, width_shift_range=0.1,
   height_shift_range=0.1, shear_range=0.15, zoom_range=0.1,
   channel_shift_range=10., horizontal_flip=True)

train_batches = datagen.flow_from_directory(
    train_path,
    target_size=(224, 224),
    batch_size=10,
    classes=['Benign','Malignant'])


vgg16_model= load_model('Fetched_VGG.h5')

# transform the model to Sequential
for layer in vgg16_model.layers[:-4]:
    model.add(layer)

model.add(GlobalAveragePooling2D())

# Freezing the layers (Oppose weights to be updated)
for layer in model.layers:
layer.trainable = False

model.add(Dense(2, activation='softmax', name='predictions'))

 ### Compile the model
 model.compile(Adam(lr=.0000001), loss='categorical_crossentropy',        metrics=['accuracy'])   # lr=.0001

# train the model
hist = model.fit_generator(train_batches, steps_per_epoch=28,   validation_data=valid_batches, validation_steps=3, epochs=500, verbose=2)  # epochs=5

scoreSeg = model.evaluate_generator(test_batches, steps=3)
print('Test Loss:', scoreSeg[0])
print('Test accuracy:', scoreSeg[1])

#test
predictions = model.predict_generator(test_batches, steps=3, verbose=0)
#print(predictions)

当验证损失像一条平坦曲线时，为什么训练损失是分数？

0 个答案: