在keras中通过ResNet50迁移学习时，Loss总是去nan
在keras中通过ResNet50迁移学习时，Loss总是去nan
提问于 2018-06-04 17:53:01
我正在使用迁移学习在Keras中通过ResNet50模型和加载预先训练的权重来训练图像分类器，但loss最初立即进入nan，而acc保持在随机水平。
实际上，我不知道哪里出了问题，因为我已经用这个模型成功地训练了一个分类器，虽然它的acc不高，但它工作得很好。这一次它失败了。
我调整了lr，但什么也没发生。有人说数据可能有问题，所以我改变了数据，只发现不同的图像，相同的模型会显示不同的结果(也就是说，一些数据/图像工作良好，另一个数据/图像将立即loss:nan )。怎么可能呢？我真的很困惑，不知道我的图片出了什么问题。
数据集:8个类，每个类包含大约300个图像。
下面是所有代码：
import keras
import h5py
import numpy as np
import matplotlib.pyplot as plt
from keras.applications import ResNet50
from keras.models import Sequential
from keras.layers import Dense, Flatten, GlobalAveragePooling2D
from keras.applications.resnet50 import preprocess_input
from keras.preprocessing.image import ImageDataGenerator
data_generator = ImageDataGenerator(preprocessing_function= preprocess_input,
rescale = 1./255)
train_generator = data_generator.flow_from_directory("image/train",
target_size = (100, 100),
batch_size = 32,
class_mode = "categorical")
dev_generator = data_generator.flow_from_directory("image/dev",
target_size = (100, 100),
batch_size = 32,
class_mode = "categorical")
num_classes = 8
model = Sequential()
model.add(ResNet50(include_top = False, pooling = "avg", weights= "resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5"))
model.add(Dense(num_classes, activation = "softmax"))
model.layers[0].trainable = False
model.compile(optimizer= "adam", loss= "categorical_crossentropy", metrics=["accuracy"])
model.fit_generator(train_generator, steps_per_epoch= 1, epochs = 1)并且运行的输出是：
Epoch 1/1
1/1 [==============================] - 6s 6s/step - loss: nan - acc: 0.0938回答 1
Stack Overflow用户
发布于 2018-06-04 18:05:49
第一个将“image/dev”更正为"image/dev"
我认为你的错误在于这一行：
data_generator = ImageDataGenerator(preprocessing_function= preprocess_input, rescale = 1./255)当您同时使用preprocess_input函数和rescale = 1./255时，您可以对数据进行双倍缩放。尝试删除重新缩放...
data_generator = ImageDataGenerator(preprocessing_function= preprocess_input)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50677834
复制相关文章
相似问题
腾讯云开发者
