我正在尝试创建一个用于图像分类的神经网络。这是我的 模型摘要. 我已经对我的数据集进行了归一化,并对我的数据进行了洗牌。. 当我运行model.fit时,val_loss非常高,有时接近100,而我的损失小于0.8。
当你不对测试数据进行归一化处理时,与经过归一化处理的训练数据相比,验证损失会非常高。我用简单的mnist模型来证明归一化的意义。
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# this is to demonstrate the importance of normalizing both training and testing data
x_train, x_test = x_train / 255.0, x_test / 1.
当我们不对测试数据进行归一化,而对训练数据进行归一化的时候,训练损失会非常大。loss: 0.0771
其中,测试期间的损失为 13.1599
. 请检查完整 代码在此. 谢谢!