记录keras使用预训练模型vgg16分类，损失和准确度不变。

最新推荐文章于 2024-06-24 08:59:27 发布

我的九八卡

最新推荐文章于 2024-06-24 08:59:27 发布

阅读量8.3k

点赞数

文章标签：存在问题

本文链接：https://blog.csdn.net/qq_36490878/article/details/80906957

版权

在Keras中使用预训练的VGG16模型进行二分类任务时，遇到训练过程中的损失和准确度停滞不前的问题。尽管数据预处理正确，且模型结构进行了调整（在VGG16后添加全连接层并允许所有层训练），但模型的准确度始终维持在0.75。当将激活函数从ReLU更改为sigmoid后，问题得到解决。

摘要由CSDN通过智能技术生成

问题keras使用预训练模型vgg16分类，损失和准确度不变。

细节：使用keras训练一个两类数据，正负比例1：3，在vgg16后添加了几个全链接并初始化了。并且对所有层都允许训练。

但是准确度一直是0.75.

数据预先处理已经检查过格式正确

再将模型中relu改成sigmoid就正常了。

数据处理程序

import os
import pickle
import numpy as np

import DataFile
import SelectiveSearch
import Generator
import IoU
import Model_CRNN_VGG16

from keras.preprocessing.image import ImageDataGenerator
from keras.callbacks import ModelCheckpoint

def data_generator(gen1,gen0):
    while True:
        data_pos = next(gen1)
        data_neg = next(gen0)
        ret_X = np.vstack((da