[英]Training acc decreasing, validation - increasing. Training loss, validation loss decreasing
我正在尝试实施LRCN,但是我在培训方面遇到障碍。 目前,我仅尝试单独训练CNN模块,然后将其连接到RNN。 您在下面看到的结果是到目前为止我可能获得的最好的结果。 问题在于,除了训练的准确性外,其他一切似乎都进展顺利。 它正在逐渐下降。
我的模型在FC层之间存在急剧下降,因此这可能是一个原因,但是,您仍然认为这些结果有问题吗?如果它们继续保持这种趋势,我应该如何改变?
可以预测的数字类为3.代码用Keras编写。
时代1/20 16602/16602 [==============================]-2430s 146ms / step-loss:1.2583-acc :0.3391-val_loss:1.1373-val_acc:0.3306
纪元00001:val_acc从-inf改进为0.33058,将模型保存为权重01-1.14.hdf5纪元2/20 16602/16602 [===================== =========]-2441s 147ms / step-损失:1.1998-acc:0.3356-val_loss:1.1342-val_acc:0.3719
时代00002:val_acc从0.33058改进为0.37190,将模型保存为权重.02-1.13.hdf5时代3/20 8123/16602 [=============> ........ ........]]-预计到达时间:20:30-损失:1.1889-累计:0.3325
我还有2个简短的问题,我暂时无法回答。
(4, 288, 224, 1)
但是输入形状的图层却生成为(None, 288, 224, 1)
? 为了澄清形状,我将在非时间分布的CNN中将包含单个图像的4个批次进行分类。 我使用功能性API。 the results from evaluating a metric are not used when training the model
。 为此,我是否需要自定义目标(损失)功能? 任何帮助,专业知识将不胜感激,我真的很需要它。 先感谢您!
只要损失不断下降,准确性最终就会开始增长。 由于您只训练了2-3个纪元,因此精度可能会波动是正常的。
至于您的其他问题:
(batchSize, dim1, dim2, nChannels)
。 由于您的模型在训练之前不知道批次大小,因此将None
用作占位符。 图像尺寸似乎是正确的,并且“通道数”为1表示您不使用彩色图像,因此每个像素只有一个条目。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.