![](/img/trans.png)
[英]High training accuracy, low validation accuracy CNN binary classification keras
[英]validation accuracy is high during training each epoch in a CNN but final accuracy in classification report very low what does it mean?
我正在構建一個 CNN 模型,用於預測 x 射線圖像的類別是否感染了新冠病毒。 在訓練模型期間,這就是我在每個時期獲得的准確性和損失。
Epoch 1/20
43/43 [==============================] - 157s 4s/step - loss: 16.5535 - accuracy: 0.8844 - val_loss: 1.6308 - val_accuracy: 0.9914
Epoch 2/20
43/43 [==============================] - 153s 4s/step - loss: 9.3576 - accuracy: 0.9647 - val_loss: 1.8470 - val_accuracy: 0.9871
Epoch 3/20
43/43 [==============================] - 152s 4s/step - loss: 4.8507 - accuracy: 0.9720 - val_loss: 2.1491 - val_accuracy: 0.9871
Epoch 4/20
43/43 [==============================] - 153s 4s/step - loss: 2.8917 - accuracy: 0.9772 - val_loss: 0.5409 - val_accuracy: 0.9914
Epoch 5/20
43/43 [==============================] - 153s 4s/step - loss: 1.7138 - accuracy: 0.9831 - val_loss: 0.4102 - val_accuracy: 0.9957
Epoch 6/20
43/43 [==============================] - 153s 4s/step - loss: 2.4398 - accuracy: 0.9801 - val_loss: 5.5315 - val_accuracy: 0.9569
Epoch 7/20
43/43 [==============================] - 153s 4s/step - loss: 4.3175 - accuracy: 0.9661 - val_loss: 0.5032 - val_accuracy: 0.9914
Epoch 8/20
43/43 [==============================] - 152s 4s/step - loss: 1.7567 - accuracy: 0.9816 - val_loss: 0.5169 - val_accuracy: 0.9914
Epoch 9/20
43/43 [==============================] - 153s 4s/step - loss: 1.5359 - accuracy: 0.9786 - val_loss: 0.2652 - val_accuracy: 0.9957
Epoch 10/20
43/43 [==============================] - 153s 4s/step - loss: 0.9022 - accuracy: 0.9897 - val_loss: 0.1173 - val_accuracy: 0.9957
Epoch 11/20
43/43 [==============================] - 153s 4s/step - loss: 0.9991 - accuracy: 0.9801 - val_loss: 0.2755 - val_accuracy: 0.9871
當我運行關於預測的分類報告時,准確率只有 50%。 為什么會發生這種情況請有人解釋一下?
在訓練了很多模型之后,我才知道准確率並沒有多大幫助。 這就是為什么你應該關注損失而不是准確性。 在這種情況下,我建議您降低學習率,因為我可以看到學習不是很穩定。 另外,我猜您沒有在網絡中使用批量標准化層,因此您獲得了 50% 的准確度。 我不能說太多,因為你沒有提供太多細節(比如你沒有提供你正在使用的模型結構、優化器和損失函數)。 但是嘗試降低學習率並將批量歸一化引入您的模型。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.