分类图像，Tensorflow，精度在10%以内
分类图像，Tensorflow，精度在10%以内
提问于 2022-11-17 10:33:57
我实际上是在为我的IT研究做CINIC-10分类图像挑战。
我以前从来没有过DeepLearning的经验，所以我从youtube上学到了它。
我第一次尝试了MNIST数据集来手写数字，并从中获得了很好的经验。我的模型预测的概率为92%，而且效果很好。
现在我正在尝试对一些图像进行分类，即使我使用与Keras不同的模型，我的训练模型的准确率也不会超过10%。
我是这样做的：
首先，我正在加载我的达西集，我有一个火车数据集和一个验证数据集。
# loading in the data
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
cinic_directory_train,
validation_split=0.2,
subset="training",
seed=123,
image_size=(32, 32),
batch_size=16
)
validation_ds = tf.keras.preprocessing.image_dataset_from_directory(
cinic_directory_train,
validation_split=0.2,
subset="validation",
seed=123,
image_size=(32, 32),
batch_size=16
)这样我就可以得到我的类名了
class_names= train_ds.class_names
print(class_names)
Output :
['airplane', 'automobile', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'\]这是我的模型结构：
model = keras.Sequential([
keras.layers.experimental.preprocessing.Rescaling(1./255),
keras.layers.Conv2D(16, 3, padding='same', activation='relu'),
keras.layers.MaxPooling2D(),
keras.layers.Conv2D(32, 3, padding='same', activation='relu'),
keras.layers.MaxPooling2D(),
keras.layers.Conv2D(64, 3, padding='same', activation='relu'),
keras.layers.MaxPooling2D(),
keras.layers.Dropout(0.2),
keras.layers.Flatten(),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
model.compile(
optimizer='adam', #Fonction d'optimisation
loss='sparse_categorical_crossentropy',
metrics=['accuracy']
)当我开始火车的时候
history = model.fit(
train_ds,
validation_data=validation_ds,
epochs=3
)我的准确度在0.09到0.10之间
我甚至测试了我的朋友的代码，我不断获得相同的准确性，除了他们得到了大约30-50%的准确性。
我在用google Collabs做这个。
我试过所有这些模型，我一直保持着很高的精确度：
8%
- EfficientNet
- VVG16 => 9%
- Resnet50 => 9%
- DenseNEt => => 2%
- MobileNet =>
F 215
我找不到我的问题，也找不到解决问题的方法！
回答 1
Stack Overflow用户
发布于 2022-11-18 01:08:06
最后一层应该是
keras.layers.Dense(10. activation='softmax')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/74473904
复制相关文章
相似问题
腾讯云开发者
