Python - Tensorflow 关于卷积神经网络的建议

Question

项目： 借助卷积神经网络确定乳房 X 光片中是否含有良性或恶性肿瘤。

这是github存储库的链接： https://github.com/aubreyDKR/CNNBreastCancer.git

您可以在文件上看到项目：ImageLearningProject.ipynb 最新版本位于分支：aubrey

问题： 我们可以在“Evaluate Model”部分看到模型精度有问题，因为它没有随着时间的推移而提高。为什么 ？如何解决这个问题？

如果需要其他信息。告诉我。

---

更新： 经过一些建议，我进行了下一次更新。

1. 添加批量归一化层和激活层。
2. 将损失函数从 . . .到二元交叉熵。所以最后一个dense layer从softmax变成了sigmoid。
3. 不再打印文件名以使笔记本更干净。

结果： 我们可以看到模型精度图的一些变化。但总觉得哪里不对劲。我认为模型应该在每个时期都更好。

Answer 1

1. 我的第一个建议是：您应该删除输出文件名的打印语句，它是不必要的并且会弄乱您的笔记本输出空间:)
2. 您的任务是二元分类任务。标签是 0（恶性）或 1（良性）或相反，都没有关系。但是，您使用了错误的损失函数分类交叉熵，它用于多类分类。您应该使用 BinaryCrossEntropy。 https://www.tensorflow.org/api_docs/python/tf/keras/losses/BinaryCrossentropy
3. 您可以尝试每隔 CNN 层应用一次最大池化
4. 批量标准化可能会有所帮助。在这种情况下，您应该删除 cnn 层中的激活，并且在每次卷积之后您可以应用批量归一化，然后您应该有一个激活层（例如 ReLU）