Question

我的验证准确度低于训练准确度。outputoftrainandvalidationaccuracy 如何获得与训练准确度相差不大的更好的验证准确度？谢谢。

我的问题是使用深度迁移学习模型对胸部 X 射线图像（四类类别）进行分类。我总共使用了四个类别类别的 4593 张胸部 X 射线图像，其中 2755(60%) 张图像用于训练 1838(40%) 张图像用于测试。我也用于训练和测试 80%-20% 和 70%-30% 的样本，但准确率低于 60%-40% 的样本。此模型中的批量大小为 32，不。 50 个时期，学习率为 1e-5。

模型

from tensorflow.keras.applications import ResNet50V2

conv_base = ResNet50V2(weights='imagenet',
                  include_top=False,
                  input_shape=(224, 224, 3))


conv_base.trainable = True


model = models.Sequential()
model.add(conv_base)




model.add(layers.Flatten())
model.add(layers.Dropout(0.1))
model.add(layers.Dense(256, activation='relu'))
model.add(layers.Dense(4, activation='softmax'))


model.compile(loss='categorical_crossentropy',     #for multiclass use categorical_crossentropy
              
              optimizer=optimizers.Adam(lr=LEARNING_RATE),
              metrics=['acc'])

模型总结

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
resnet50v2 (Functional)      (None, 7, 7, 2048)        23564800  
_________________________________________________________________
flatten (Flatten)            (None, 100352)            0         
_________________________________________________________________
dropout (Dropout)            (None, 100352)            0         
_________________________________________________________________
dense (Dense)                (None, 256)               25690368  
_________________________________________________________________
dense_1 (Dense)              (None, 4)                 1028      
=================================================================
Total params: 49,256,196
Trainable params: 49,210,756
Non-trainable params: 45,440
_________________________________________________________________

如何使用深度迁移学习算法提高多类图像分类的验证准确性？

0 个答案: