CNN 模型验证准确率并未提高

Question

我目前正在研究用于分类的 CNN 模型，我必须预测 wav 文件中的单词。 我遇到了一个问题，我的验证准确性（几乎）保持不变，首先我想到了过度拟合，但这似乎不是问题。 您可以在下面看到一张照片，其中包含不同时期的结果：

我正在用 Keras 构建一个 CNN 模型，并使用 'adam' 优化器和 'categorical_crossentropy' 来计算损失。 我已经尝试将 epoch 数增加到 1000 并更改了批量大小。

Answer 1

您的训练损失似乎在减少，但 val_loss 正在增加，而 val_accuracy 大致相同。 这是过拟合的标准情况。 为什么你认为情况并非如此？

---

增加训练时期或批次大小没有帮助，因为您只是更改模型在一个时期内看到数据的次数或数据量。

---

对于当前场景，创建最佳模型，直到 val_loss 和 train_loss 在饱和之前继续下降。 为了解决这个问题，您需要在训练数据中添加噪声，以便模型更好地泛化，更好地泛化示例，在训练数据量方面创建平衡的类别。

---

其次，您可以增加验证数据集以查看它是否仍然存在相同的问题。 如果它在那里，那么模型肯定是过度拟合的。 还请更新您关于您使用的验证集和技术类型的问题。 如果可能，添加验证集和损失函数的代码片段