CNN准确度冻结

Question

所以我正在训练一个CNN网络从输入图像中检测某些特征。结构如下：

输入图像->；Conv2D->；Relu->；Dense->；Softmax->；结果

数据集包含3个类中的180个黑白图像，每个类正好有60个图像。在

我的问题是验证准确度和训练准确度在6-7个周期后都没有变化，如下图所示：

我试着在谷歌上搜索解决方案，但到目前为止没有结果。一开始我认为我的模型太适合了，因为它不再“学习”，培训损失不断减少，而验证损失却没有。因此，我尝试添加学习速率衰减、Nesterov动量、增加批次大小以减少过度拟合，但它们并没有改变太多（总体准确度确实从0.90提高到0.92），而且我的准确度每次都精确地停留在1.00、0.88和0.87（之前是1.00、0.85和0.85）。在

我想识别的功能相当简单，我需要在一个控制回路中使用结果，所以我想要一个重量轻的模型，如果可能的话，精度至少达到95%。你们对改进这个模型有什么想法吗？在

Answer 1

你的模特太合身了。训练损失接近于零（训练准确率已经达到100%），而验证损失远高于训练损失。一个理想的模型将减少训练和验证损失。您还没有提供任何代码；所以假设您的模型没有错误，我建议使用正则化技术，比如dropout、weight decay（L2）和批处理规范化。在