我有一个将3个输出分类的神经网络，我的数据集很小，我有340张用于训练的图像和60张用于测试的图像。我建立了一个模型，当我编译结果时是这样的：
时代97/100 306/306 [==============================]-46s 151ms / step-损耗：0.2453-精度：0.8824-val_loss ：0.3557-val_accuracy：0.8922 时代98/100 306/306 [==============================]-47s 152ms / step-损耗：0.2096-精度：0.9031-val_loss ：0.3795-val_accuracy：0.8824 时代99/100 306/306 [==============================]-47s 153ms / step-损耗：0.2885-精度：0.8627-val_loss ：0.4501-val_accuracy：0.7745 时代100/100 306/306 [==============================]-46s 152ms / step-损耗：0.1998-精度：0.9150-val_loss ：0.4586-val_accuracy：0.8627
当我预测测试图像时，测试精度很差。 我该怎么办 ？我也使用ImageDatagenerator进行数据扩充，但是结果是一样的。是因为我的数据集很小。
答案 0 :(得分：0)
您可以在完全连接的层上使用正则化。但是事实上您已经具有很高的验证准确性，这可能是您的数据。您的火车数据可能无法完全代表您的测试数据。尝试进行分析，并确保像测试火车数据一样对测试数据进行所有预处理。