代码之家 › 专栏 › 技术社区 › bz_jf

CNN训练损失太不稳定了

conv-neural-network computer-vision machine-learning python

bz_jf · 技术社区 · 2 年前

以上是我的网络配置。我正在训练一个CNN网络,图片大小为192*192。我的目标是11种分类网络。然而,测试数据集的损失和准确性似乎非常不稳定。我必须跑15个以上的记录才能获得稳定的准确度和损失。最大精度仅为50%。我能做些什么来提高性能?

1 回复 | 直到 2 年前

Sourin Karmakar 2 年前

我建议您首先参考众所周知的模型,如VGG-16、LeNET或VGG-19,并查看conv2D和max池层的放置方式。

接下来,尝试其他激活,如ReLU to TanH。尝试将最大池更改为平均池。

推荐文章

bz_jf · CNN训练损失太不稳定了

2 年前

Elia · TF |培训结束后如何从CNN预测

6 年前

Cameron Blake · 基于Keras的误差多分类神经网络

6 年前

Md Riaz · 多标签文本分类。我有一个文本/标签csv。文本是纯文本,标签是字母数字

6 年前

mcanizo · keras conv1d输入数据重塑

7 年前

batuman · Google Net的感受野计算

7 年前

Nima · caffe检查失败:kernel\u size指定了2次;0个空间DIM

7 年前

user288609 · ValueError:输入0与层conv1d\u 1不兼容:预期ndim=3,发现ndim=4

7 年前

KatharsisHerbie · 两种不同输入类型(图像和值)的Keras神经网络

7 年前

Adam Collins · sess中的第二个feed\u dict。run(),培训时评估

7 年前