Deep learning 在深度学习中，我如何才能摆脱停滞的准确性和价值损失？
我正在用它处理深度学习和医学图像分类。我使用脑部MRI数据并将其转换成jpg。然后使用VGG16进行培训。当我检查损失、准确性、验证损失和验证准确性时，我看到下面的图表 精度和val_精度停留在某个迭代中。当我用不同角度的旋转来增加数据时，结果是相似的。我怎样才能摆脱它？这是因为VGG16模型还是我的数据集？我还添加了tensorboard中的模型图，您可以查看 这是关于我的论文，我花了几天的时间在研究上，却找不到有用的信息。这个网站是我最后的希望。提前谢谢Deep learning 在深度学习中，我如何才能摆脱停滞的准确性和价值损失？,deep-learning,tensorboard,vgg-net,Deep Learning,Tensorboard,Vgg Net,我正在用它处理深度学习和医学图像分类。我使用脑部MRI数据并将其转换成jpg。然后使用VGG16进行培训。当我检查损失、准确性、验证损失和验证准确性时，我看到下面的图表 精度和val_精度停留在某个迭代中。当我用不同角度的旋转来增加数据时，结果是相似的。我怎样才能摆脱它？这是因为VGG16模型还是我的数据集？我还添加了tensorboard中的模型图，您可以查看 这是关于我的论文，我花了几天的时间在研究上，却找不到有用的信息。这个网站是我最后的希望。提前谢谢 培训数据和验证数据的准确度和损失
培训数据和验证数据的准确度和损失图几乎相同，这表明您没有过度拟合数据，这是可取的。通过旋转图像提供更多数据将有助于减少过度拟合，但不会提高训练精度。如果过度拟合，则应尝试使用数据增强技术进行训练，而不是在训练数据精度较低时。 由于您的训练精度相对较低，网络可能没有足够的层来捕获图像和输出之间的复杂关系。因此，您应该尝试通过尝试具有更多层的新体系结构来增加模型的复杂性。也许VGG 19会有所帮助 在训练机器学习模型时，您遵循这种方法