我是Stackoverflow和深度学习的新手。我一直在下面跟踪一个多标签图像分类的示例。
我将图像减少到500个...用2个时期...在测试集和训练测试中它提供了大约72％的准确性，这是因为我遇到内存错误。
但是预测非常糟糕...我从训练集中拍摄了一张照片。即使预测完全错误...
请你帮我一下。很抱歉，如果我错过了最后的机会。
谢谢。
答案 0 :(得分：0)
@Jankey，仅2个时期不足以正确训练神经网络，对于MNIST，您可以从50开始。如果遇到内存问题，请尝试将批处理大小减小为8或16。
model.fit(X_train, y_train, epochs=10, validation_data=(X_test, y_test), batch_size=16)
您还可以将convolution filters的数量减少到32，并将Dense层中的节点数量减少到32。根据您的基础架构限制，尝试使其效率更高。
答案 1 :(得分：0)
感谢您的建议和指导。我做了以下更改。
1）model.fit（X_train，y_train，epochs = 10，validation_data =（X_test，y_test），batch_size = 32）
2）使用32个滤镜保留了两个卷积层
3）将输入形状更改为（64,64,3）测试，然后更改为（224,224,3）。
有了这些，我可以得到更好的预测。不是100％，但是要好得多。 将尝试进一步调整和测试模型。
再次感谢您的快速帮助。