我正在使用 Keras 2.0.4（TensorFlow 后端）执行图像分类任务。
我正在尝试训练我自己的网络（没有任何预训练参数）。
由于我的数据很大，我无法将所有数据加载到内存中。
为此我使用ImageDataGenerator(), flow_from_directory() and fit_generator().
创造ImageDataGenerator object:
train_datagen = ImageDataGenerator(preprocessing_function = my_preprocessing_function) # only preprocessing; no augmentation; static data set
my_preprocessing_function 将图像重新缩放到域 [0,255] 并通过均值缩减将数据居中（类似于 VGG16 或 VGG19 的预处理）
使用方法flow_from_directory()来自ImageDataGenerator object:
train_generator = train_datagen.flow_from_directory(
path/to/training/directory/with/five/subfolders,
target_size=(img_width, img_height),
batch_size=64,
classes = ['class1', 'class2', 'class3', 'class4', 'class5'],
shuffle = True,
seed = 1337,
class_mode='categorical')
（同样的操作也是为了创建一个validation_generator。）
定义并编译模型后（损失函数：categorical crossentropy，优化器：Adam），我使用训练模型fit_generator():
model.fit_generator(
train_generator,
steps_per_epoch=total_amount_of_train_samples/batch_size,
epochs=400,
validation_data=validation_generator,
validation_steps=total_amount_of_validation_samples/batch_size)
Problem:
没有错误消息，但训练效果不佳。
经过 400 个 epoch 后，准确率仍然在 20% 左右波动（这与随机选择其中一个类别一样好）。事实上，分类器总是预测“class1”。
仅经过一个时期的训练后，情况也是如此。尽管我正在初始化随机权重，但为什么会出现这种情况？
怎么了？我缺少什么？
使用型号
x = Input(shape=input_shape)
# Block 1
x = Conv2D(16, (3, 3), activation='relu', padding='same', name='block1_conv1')(x)
x = Conv2D(16, (5, 5), activation='relu', padding='same', name='block1_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block1_pool')(x)
# Block 2
x = Conv2D(64, (3, 3), activation='relu', padding='same', name='block2_conv1')(x)
x = Conv2D(64, (5, 5), activation='relu', padding='same', name='block2_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block2_pool')(x)
# Block 3
x = Conv2D(16, (1, 1), activation='relu', padding='same', name='block3_conv1')(x)
# Block 4
x = Conv2D(256, (3, 3), activation='relu', padding='valid', name='block4_conv1')(x)
x = Conv2D(256, (5, 5), activation='relu', padding='valid', name='block4_conv2')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block4_pool')(x)
# Block 5
x = Conv2D(1024, (3, 3), activation='relu', padding='valid', name='block5_conv1')(x)
x = MaxPooling2D((2, 2), strides=(2, 2), name='block5_pool')(x)
# topping
x = Dense(1024, activation='relu', name='fc1')(x)
x = Dense(1024, activation='relu', name='fc2')(x)
predictions = Dense(5, activation='softmax', name='predictions')(x)
E D I T
terminal output
None