当输出不等概率时，如何提高精度？

Question

我有一个图像分类器，每个图像都有5个标签[0-4]中的一个。我已经以72%的准确率撞上了一堵墙，我正在寻找一条越过它的路。我注意到我的课程[在我的训练集中]在0的时候相当“重”，在4的时候稍微“轻”。1、2和3不太常见

因此：

1）这是我的不准确问题的一个可能因素吗？ 1a）我怎么能确定

2）如果是，我该如何处理

这是目前的模型。我调整参数已有一段时间了：

Layer (type)                 Output Shape              Param #
=================================================================
conv2d_1 (Conv2D)            (32, 318, 318, 4)         112
_________________________________________________________________
conv2d_2 (Conv2D)            (32, 318, 318, 4)         148
_________________________________________________________________
conv2d_5 (Conv2D)            (32, 318, 318, 4)         148
_________________________________________________________________
conv2d_6 (Conv2D)            (32, 318, 318, 4)         148
_________________________________________________________________
max_pooling2d (MaxPooling2D) (32, 106, 106, 4)         0
_________________________________________________________________
flatten (Flatten)            (32, 44944)               0
_________________________________________________________________
d0 (Dense)                   (32, 16)                  719120
_________________________________________________________________
softmax_d1 (Dense)           (32, 5)                   85
=================================================================

Answer 1

1-如果不平衡程度较高，可能会导致不准确。
2-您可以在model.fit(class_weight={0: w0, 1: w1, 2: w2, 3: w3)中使用class_weight来修复此问题