时间戳

首页 > 解决方案 > CNN 模型不适用于 4 个物种，但适用于 2 个物种

python - CNN 模型不适用于 4 个物种，但适用于 2 个物种

问题描述

我在两个类上尝试了 CNN 模型并得到了 80%，但是当我用 4 个类尝试相同的模型时，我得到了非常糟糕的结果。请帮忙的原因是什么。我使用的CNN模型是：

model= Sequential()

model.add(Conv2D(64,(3,3),input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64,(3,3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())

model.add(Dense(64))
model.add(Activation('relu'))

model.add(Dropout(0.5))

model.add(Dense(1))
model.add(Activation('sigmoid'))

#opt = SGD( lr=0.01)

model.compile(loss='binary_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

history = model.fit_generator(
    train_generator,
    steps_per_epoch=nb_train_samples//batch_size,
    epochs=epochs,
    validation_data = validation_generator, 
    validation_steps = validation_generator.samples // batch_size,
)

2个类的结果是这样的，我失去了它的实际结果：

Epoch 29/35
46/46 [==============================] - 188s 4s/step - loss: 0.6511 - accuracy: 0.5880 - val_loss: 0.7534 - val_accuracy: 0.5175

4个类的结果是：

46/46 [==============================] - 367s 8s/step - loss: -10550614391401.7266 - accuracy: 0.2541 - val_loss: -15023441182720.0000 - val_accuracy: 0.2354

标签： pythontensorflowkeras

解决方案

输出层使用sigmoid激活函数，只能用于二进制分类问题。

对于两个以上的类，softmax在它应该有num_of_classes节点之前使用激活函数和密集层。

model.add(Dense(numclasses)) # numclasses = 4 in your case
model.add(Activation('softmax'))

此外，损失应该从更改binary_crossentropy为categorical_crossentropy（这是在您的案例中显示的奇怪损失的主要原因）。

model.compile(loss='categorical_crossentropy',
              optimizer='adam',
              metrics=['accuracy'])

注意： categorical_crossentropy需要one-hot向量。如果您拥有的标签只是一维数组而不是单热向量，请使用sparse_categorical_crossentropy

推荐阅读