我是新来的keras和深度learnin.When我创建一个示例基本模型,我适合它和我的模型的日志损失总是相同的。Keras log_loss错误是一样的
model = Sequential()
model.add(Convolution2D(32, 3, 3, border_mode='same', init='he_normal',
input_shape=(color_type, img_rows, img_cols)))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))
model.add(Dropout(0.5))
model.add(Convolution2D(64, 3, 3, border_mode='same', init='he_normal'))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th")) #this part is wrong
model.add(Dropout(0.5))
model.add(Convolution2D(128, 3, 3, border_mode='same', init='he_normal'))
model.add(MaxPooling2D(pool_size=(2, 2), dim_ordering="th"))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(10))
model.add(Activation('softmax'))
model.compile(Adam(lr=1e-3), loss='categorical_crossentropy')
model.fit(x_train, y_train, batch_size=64, nb_epoch=200,
verbose=1, validation_data=(x_valid,y_valid))
上17939个样品列车,验证在4485个样品
历元1/200 17939分之17939[===================== =========] - 787-8 - 损失:99.8137 - ACC:0.3096 - val_loss:99.9626 - val_acc:0.0000E + 00
时代二百分之二 17939分之17939[====== ========================] - 8s - 损失:99.8135 - acc:0.2864 - val_loss:99.9626 - val_acc:0.0000e + 00
Epoch 3/200 17939/17939 [==============================] - 8s - 损失:99.8135 - acc:0.3120 - val_loss:99.9626 - val_acc:1.0000
Epoch 4/200 17939/17939 [==============================] - 10s - 损失:99.8135 - acc:0.3315 - val_loss:99.9626 - val_acc:1.0000
Epoch 5/200 17939/17939 [===================== =========] - 第10号 - 损失:99.8138 - ACC:0.3435 - val_loss:99.9626 - val_acc:0.4620
..
...
它是这样的
你知道我做错了吗?
您需要提供更多信息,例如网络体系结构和您想要解决的问题。 –
okey i edditted,我的问题有10个不同的类 –
@matiasValdengro意味着你需要为你的整个网络添加代码。你所有的密集层,model.compile,甚至可能是数据的一个样本 – DJK