Tensorflow：图像分类的损失和精度保持不变

Question

我把这个Tensorflow教程复制/粘贴到一个Jupyter笔记本上。（在撰写本文时，他们将教程改为花卉数据集，而不是狗数据集，但问题仍然存在）。 https://www.tensorflow.org/tutorials/images/classification

第一部分（没有增加）运行良好，我得到了类似的结果

但随着数据的增加，我的损失和准确性在所有时代都保持不变。我已经检查了这些帖子，所以： Keras accuracy does not changeHow to fix flatlined accuracy and NaN loss in tensorflow image classificationTensorflow: loss decreasing, but accuracy stable

所有这些都不适用，因为数据集是标准的，所以我没有数据损坏的问题，加上我打印了两张增强的图像，效果很好（见下文）

我已经尝试添加更多完全连接的层以增加模型容量，退出以限制过度拟合，。。。这条曲线没有任何变化：

你知道为什么吗？我在代码中遗漏了什么吗？ 我知道训练DL模型需要大量的尝试和错误，但我确信除了随机地转动旋钮直到发生什么事情之外，还必须有一些逻辑或直觉

谢谢

来源数据： _URL='1〕https://storage.googleapis.com/mledu-datasets/cats_and_dogs_filtered.zip"

path_to_zip = tf.keras.utils.get_file('cats_and_dogs.zip', origin=_URL, extract=True)

PATH = os.path.join(os.path.dirname(path_to_zip), 'cats_and_dogs_filtered')

参数：

batch_size = 128
epochs = 15
IMG_HEIGHT = 150
IMG_WIDTH = 150

预处理阶段：

image_gen = ImageDataGenerator(rescale=1./255,
    rotation_range=20,
    width_shift_range=0.15,
    height_shift_range=0.15,
    horizontal_flip=True,
    zoom_range=0.2)

train_data_gen = image_gen.flow_from_directory(batch_size=batch_size,
                                               directory=train_dir,
                                               shuffle=True,
                                               target_size=(IMG_HEIGHT, IMG_WIDTH))

augmented_images = [train_data_gen[0][0][i] for i in range(5)]
plotImages(augmented_images)

image_gen_val = ImageDataGenerator(rescale=1./255)

val_data_gen = image_gen_val.flow_from_directory(batch_size=batch_size,
                                                 directory=validation_dir,
                                                 target_size=(IMG_HEIGHT, IMG_WIDTH),
                                                 class_mode='binary')

型号：

model_new = Sequential([
    Conv2D(16, 2, padding='same', activation='relu', 
           input_shape=(IMG_HEIGHT, IMG_WIDTH ,3)),
    MaxPooling2D(),
    Conv2D(32, 2, padding='same', activation='relu'),
    MaxPooling2D(),
    Conv2D(64, 2, padding='same', activation='relu'),
    MaxPooling2D(),
    Dropout(0.2),
    Flatten(),
    Dense(512, activation='relu'),
    Dense(1)
])

model_new.compile(optimizer='adam',
                  loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
                  metrics=['accuracy'])

model_new.summary()

history = model_new.fit(
    train_data_gen,
    steps_per_epoch= total_train // batch_size,
    epochs=epochs,
    validation_data=val_data_gen,
    validation_steps= total_val // batch_size
)

Answer 1

正如@today所建议的，训练数据生成器中缺少class_method='binary' 现在，模型能够正常训练

train_data_gen = image_gen.flow_from_directory(batch_size=batch_size,
                                               directory=train_dir,
                                               shuffle=True,
                                               target_size=(IMG_HEIGHT, IMG_WIDTH),
                                               class_method = 'binary')