我正在使用 keras 创建一个卷积神经网络,尝试将图像分类为两个不同的类,并且出于某种原因,在第一个纪元之后,准确性永远不会改变。
使用 Keras 后to_categorical()
我的标签看起来像:
[[0. 1.]
[1. 0.]
[1. 0.]
[0. 1.]]
我的模型的代码是:
model = Sequential()
model.add(Conv2D(filters=32, kernel_size=[5, 5], strides=1, padding='same', activation='relu', input_shape=(imageSize, imageSize, 3)))
model.add(MaxPooling2D())
model.add(Conv2D(filters=64, kernel_size=[5, 5], strides=1, padding='same', activation='relu'))
model.add(MaxPooling2D())
model.add(Flatten())
model.add(Dense(2))
sgd = SGD() # Use stochastic gradient descent for now
model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'])
model.summary()
counter = 0
# Train one cycle at a time so we can shuffle data inbetween
for x in range(trainingEpochs):
counter += 1
print() # New line
print('Epoch ' + str(counter))
trainingImages, trainingLabels = shuffle(trainingImages, trainingLabels, random_state=0) # Shuffle both sets in unison
model.fit(x=trainingImages, y=trainingLabels, batch_size=32, epochs=1, verbose=2)
此代码的输出结果为:
Epoch 1
36s - loss: 5.0770 - acc: 0.3554
Epoch 2
36s - loss: 4.9421 - acc: 0.3066
Epoch 3
36s - loss: 4.9421 - acc: 0.3066
Epoch 4
36s - loss: 4.9421 - acc: 0.3066
到目前为止,我已经尝试过更改批量大小、使用binary_crossentropy、更改洗牌方法、更改卷积参数、使用黑白照片而不是RGB、使用不同尺寸的图片、使用ADAM而不是SGD以及使用较低的学习率对于 SGD,但这些都没有解决问题。我很茫然,有人有什么想法吗?
编辑:trainingImages 的形状为 (287, 256, 256, 3)(如果这很重要的话)。