python - 神经网络错误不会改变

Question

我正在使用 TensorFlow 训练模型。在查看我的模型性能时，我得到了奇怪的结果。我构建了两个模型来对图像进行分类，一个使用 CNN，另一个使用传统的 ANN。下面是它们每个的代码设置。

#CNN model
model = Sequential()
model.add(Reshape((20, 60, 3)))

#model.add(Conv2D(128, (5, 5), (2, 2), activation='elu'))
#model.add(Conv2D(64, (4, 4), (2, 2), activation='elu'))
#model.add(Flatten())
#model.add(Dense(1, activation = 'elu'))
#model.add(Dense(25, activation = 'elu'))
#model.add(Dense(10, activation = 'elu'))
#model.add(Dense(1))

opt = keras.optimizers.RMSprop(lr=0.0009, decay=1e-6)
model.compile(Adam(lr = 0.0001), loss='mse', metrics = ['mae'])


history = model.fit(X_train, y_train, epochs = 20, validation_data=(X_val, y_val), batch_size= 32)


#ANN model

model = Sequential()
model.add(Reshape((20, 60, 3)))

#model.add(Flatten())
#model.add(Dense(10, activation = 'elu'))
#model.add(Dense(1))

opt = keras.optimizers.RMSprop(lr=0.0009, decay=1e-6)
model.compile(Adam(lr = 0.0001), loss='mse', metrics = ['mae'])


history = model.fit(X_train, y_train, epochs = 20, validation_data=(X_val, y_val), batch_size= 32)

然而，问题是我得到了几乎相同的损失，并且使用这两个模型的平均绝对误差指标，当我期望第二个模型的 mae 更高时。有谁知道为什么会这样？我的输入数据可能有问题吗？

PS 这个网络正在尝试进行回归以从图像中预测自动驾驶遥控车的转向角

编辑：

• 这是CNN的结束错误：
  Epoch 20/20 113/113 [==============================] - 1s 5ms/step - loss: 0.0382 - mae: 0.1582 - val_loss: 0.0454 - val_mae: 0.1727 dict_keys(['loss', 'mae', 'val_loss', 'val_mae'])
• 这是ANN的结束错误：
  Epoch 20/20 113/113 [==============================] - 0s 3ms/step - loss: 0.0789 - mae: 0.2187 - val_loss: 0.0854 - val_mae: 0.2300 dict_keys(['loss', 'mae', 'val_loss', 'val_mae'])

标签： pythontensorflow

Answer 1

我认为问题出在您的训练数据上，请尝试使用其他数据并再次检查结果