所以只是设置我想解决的问题 . 我有大约200k 64x64x3 RGB图像的机器人开过来的地形补丁 . 每个补丁都有一个相应的标签,表示该图像补丁的粗糙度 . 粗糙度值范围为0-160 . 在机器人以不同的速度驱动时收集数据,因此粗糙度值的范围 . 我的目标是能够预测贴片的粗糙度 . 我正在使用VGG-16网络,最后一层被修改为进行回归 . 我的批量大小是1024,损失是平均sqaured错误,优化是rmsprop . 网络如下所示 . 我的问题是,在训练之后,网络预测每个测试图像的完全相同的值 . 另一点需要注意的是,训练损失总是高于奇数的验证损失 . 最后,我尝试了其他优化器,如SGD和Adam,以及不同的批量大小 . 现在我正在尝试从头开始训练网络,但这似乎不太有希望 . 我不确定这里出了什么问题,我真的很感激我能得到的任何帮助 . 谢谢
if input_tensor is None:
img_input = Input(shape=input_shape)
else:
if not K.is_keras_tensor(input_tensor):
img_input = Input(tensor=input_tensor, shape=input_shape)
else:
img_input = input_tensor
# Block 1
x = Conv2D(64, (3, 3), activation='relu', padding='same', name='block1_conv1')(img_input)
x = Conv2D(64, (3, 3), activation=&#