tensorflow - 在多标签图像分类任务中，哪种损失函数会收敛得很好？

Question

sigmoid我已经通过使用作为输出激活函数和binary_crossentropy作为损失函数训练了一个多标签多类图像分类器。验证的准确度曲线显示上下波动，而几个时期的损失曲线显示奇怪（非常高）的值。

以下是具有 和 的微调（最后一个块）VGG19模型的准确度Dropout和损失曲线BatchNormalization。

精度曲线
损失曲线

具有和 的微调（最后一个块）VGG19模型的准确Dropout度BatchNormalization和损失曲线Data Augmentation。

数据增强的准确度曲线 数据增强
的损失曲线

我已经用 1800 个训练图像（5 个标签）和 100 个验证图像训练了分类器。我使用的优化器是SGD((lr=0.001, momentum=0.99). 谁能解释为什么损失曲线在某些时期变得如此奇怪或高价值？我应该使用不同的损失函数吗？如果是，是哪一个？

标签： tensorflowkerasdeep-learningcomputer-visionconv-neural-network

Answer 1

别担心——一切都很好。您的损失曲线并没有说太多，尤其是“损失曲线中的尖峰”。他们完全被允许，您的模型仍在训练中。你应该看看你的准确度曲线，我认为那个上升很正常。