近 95% 的验证准确率从第一个纪元开始就处于稳定状态

时间:2021-07-16 11:32:26

标签: tensorflow deep-learning conv-neural-network classification accelerometer

我正在尝试使用来自 3 轴加速度计的数据评估 CNN 模型的“Leave One Subject Out”准确性。我的整个数据集由 10 个科目组成,其中训练集由 7 个科目组成,验证集由 2 个科目组成,最后在其余科目上进行测试。

我的验证准确度几乎保持不变,而训练准确度几乎没有增加。有趣的是,我在第一个 epoch 中观察到了 98% 和 95% 的训练和验证准确率。在大约 30-50 个 epoch 结束时,训练准确率达到 99%,验证准确率几乎保持在 95%。我还观察到了大约 95% 的测试准确率。

我想知道为什么我的模型没有学习以及任何可能的补救措施? 我还想知道将数据拆分为来自不同用户的训练集和验证集是否有意义。

PS:我的 CNN 模型由 2 个 Conv 层(具有batch-Norm 和 Maxpool)和 2 个密集层(具有 dropout=0.4)组成

0 个答案:

没有答案
相关问题