CNN模型中的Tensorflow损失和Acc保持恒定

Question

我刚刚开始在Tensorflow上学习CNN。但是，当我训练模型时，损耗和准确性不会改变。

我正在使用尺寸为128x128x3的图像，并且图像已标准化（在[0,1]中）。这是我正在使用的编译器。

model.compile（optimizer = tf.keras.optimizers.Adam（lr = 0.000001），损失='binary_crossentropy'，指标= ['准确性']）

这是我的模型摘要

我尝试了以下操作，但我始终具有相同的值：

• 将学习率从0.00000001更改为10
• 更改我尝试过的5x5和3x3的卷积内核
• 我添加了另一个完全连接的层和一个Conv层。

更新

在拟合模型后，图层的权重没有改变。我的初始体重相同。

Answer 1

 model.compile(optimizer='adam',
          loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
          metrics=['accuracy'])

此外，从最后一层删除softmax激活，二进制分类问题不需要softmax。因此，在这种情况下，softmax所做的就是将值始终裁剪为1，因为只有一种可能性，因此网络无法训练。此link可能有助于您了解softmax。此外，您可以尝试在最终节点上使用S型激活。这会将输出限制在0到1的范围内，并且由于非常高的损耗，网络权重不会增大。