CNN 模型驗證准確率並未提高

Question

我目前正在研究用於分類的 CNN 模型，我必須預測 wav 文件中的單詞。 我遇到了一個問題，我的驗證准確性（幾乎）保持不變，首先我想到了過度擬合，但這似乎不是問題。 您可以在下面看到一張照片，其中包含不同時期的結果：

我正在用 Keras 構建一個 CNN 模型，並使用 'adam' 優化器和 'categorical_crossentropy' 來計算損失。 我已經嘗試將 epoch 數增加到 1000 並更改了批量大小。

Answer 1

您的訓練損失似乎在減少，但 val_loss 正在增加，而 val_accuracy 大致相同。 這是過擬合的標准情況。 為什么你認為情況並非如此？

---

增加訓練時期或批次大小沒有幫助，因為您只是更改模型在一個時期內看到數據的次數或數據量。

---

對於當前場景，創建最佳模型，直到 val_loss 和 train_loss 在飽和之前繼續下降。 為了解決這個問題，您需要在訓練數據中添加噪聲，以便模型更好地泛化，更好地泛化示例，在訓練數據量方面創建平衡的類別。

---

其次，您可以增加驗證數據集以查看它是否仍然存在相同的問題。 如果它在那里，那么模型肯定是過度擬合的。 還請更新您關於您使用的驗證集和技術類型的問題。 如果可能，添加驗證集和損失函數的代碼片段