模型训练准确度低原因分析:
fer2013数据集由35886张人脸不同表情图片组成,其中训练集28708张,验证集和测试集各3589张。每张图片的大小是48*48像素大小,表情分为7种:0 anger 生气; 1 disgust 厌恶; 2 fear 恐惧; 3 happy 开心;4normal; 5 sad 伤心;6 surprised 惊讶。网上下载的数据集是一个csv文件,需要对其进行处理,这里将每一种表情按照不用文件存储。
FER2013数据集虽然数据量足够丰富,但是数据质量较差,存在模糊,错误标注等问题,导致训练精度很低。
尝试更换数据集训练。选择CK+数据集。CK+数据量虽然纯净但是数据量过小,容易发生过拟合现象。最终对原始数据集未做更改。
模型训练使用CPU而非GPU原因分析:
在模型训练中发现,原本数据一次迭代49秒,而在本人计算机cpu计算有100秒,最终训练下来的数据集准确度比较低。
模型训练使用CPU。而GUP未使用。原因分析:使用的依赖包下载的是TensorFlow-CPU版本,模型训练并不使用GUP来运算数据。