Keras CNN: точность проверки застряла на 70%, точность обучения достигла 100%
Я предлагаю вам вернуться и прочитать документы в песочнице python https://cloud.google.com/appengine/docs/python/#Python_The_sandbox , как только вы это сделаете, вы обнаружите, что appengine front end не способен запускать psycopg2. Вам нужно будет найти чистую python postgres lib и иметь платное приложение, чтобы иметь исходящие сокеты.
1 ответ
Эти результаты говорят вам о том, что вы перегружены: ваша модель достигает идеального результата по точности обучения, а это значит, что модель, вероятно, просто запоминает то, что видит, без должного обобщения (следовательно, застревает с точностью проверки 70%).
Поскольку у вас есть только пара сотен изображений, вы не можете ничего сделать. По крайней мере, вы должны использовать увеличение данных. Например, если вы берете изображение и переворачиваете его по вертикальной оси, вы получаете новое изображение. Вы также можете увеличить масштаб на разных уровнях или слегка повернуть (не слишком сильно).
BatchNormalization не является техникой регуляризации, поэтому «Dropout вместо BatchNorm» немного странно.
Еще одна вещь, которую вы можете попробовать, это трансферное обучение. Получить гораздо больший набор изображений; не имеет значения, являются ли они окнами и дверями или просто чем-то другим. Тренируйте свою сеть для этой задачи. Затем, как только это будет сделано, выбросьте последний слой, замените его новым только для ваших конкретных 3 классов и снова потренируйтесь, но только с весами ЭТОГО слоя. (Более подробную информацию и тонкости можно найти в литературе).