Keras教程示例cifar10_cnn.py在windows 10上的200个时代中给出了acc:0.34 val_acc:0.40？

我正在运行来自的教程示例cifar10_cnn.py

以下是测试的环境/配置：

• 视窗10
• Keras 1.2.0
• Theano 0.8.2
• Numpy 1.11.2
• Enthow/Canopy/MKL（2017.0.1-1）
• .Theanoc[blas]ldflags-L-lmk2_rt

这个项目花了大约一天半的时间完成了200个时代。下图显示了标题和最后三个时代

使用Theano后端

X_列车外形：（50000L、32L、32L、3L）

纪元198/200 50000/50000[======================================================================================================================================================损失：1.7894-会计科目：0.3497-会计科目：1.5930-会计科目：0.3968

纪元199/200 50000/50000[==================================================================================================================-617s-损失：1.8111-会计科目：0.3446-会计科目：1.6960-会计科目：0.3824

纪元200/200 50000/50000[======================================================================================================================================================损失：1.8005-会计科目：0.3497-会计科目：1.6164-会计科目：0.4041

我这里有两个问题：

精确度（0.34/0.40）太差了。有人有类似的问题吗

X_train的形状在我看来很奇怪，因为 其他KERA/cifar示例给出的X_列形状为（50000,3,32,32）。如果我在代码中添加“set\u image\u dim\u ordering（'th'）”，形状将变为（50000,3,32,32），但程序将给出更低的精度，如“纪元80/20050000/50000-635s-损失：14.5010-acc:0.1003-瓦尔\u损失：14.5063-瓦尔\u acc:0.1000”这里如何解释set dim的效果

---

感谢您的评论。

这可能不是整个主题的答案，但为了获得正确的图像形状，您应该验证图像通道是形状的第一项还是最后一项。考虑到Keras 2，您可以采用以下方法：

from keras import backend as K

def image_input_shape(img_width, img_height):
    if K.image_data_format() == 'channels_first':
        input_shape = (3, img_width, img_height)
    else:
        input_shape = (img_width, img_height, 3)
    return input_shape

只需传递图像的宽度和高度，它就会返回正确的形状顺序

---

从那里你可以放弃或验证你关于“奇怪”形状的假设。

我发布的问题可能只与Keras 1.2.0有关。由于Keras已升级到2.x，官方文件cifar10_cnn.py也已更改，我发布的问题可能不会出现在新的Keras中。因此，我想结束这个问题。顺便说一句，还有一条信息是，设置图像和尺寸将创建一个不同的网络架构。以下输出显示了使用此功能与不使用此功能的区别

使用无后端。
使用K.set\u image\u dim\u排序（“th”）
X_列车外形：（50000L、3L、32L、32L）
50000列车样本
10000个测试样本
输入层（无、3L、32L、32L）
卷积2D（无、32、32L、32L）
Relu（无、32、32L、32L）
卷积2D（无、32、30L、30L）
Relu（无、32、30L、30L）
MaxPoolig2D（无、32、15L、15L）
辍学（无、32、15L、15L）
卷积2D（无、64、15L、15L）
Relu（无、64、15L、15L）
卷积2D（无、64、13L、13L）
Relu（无、64、13L、13L）
MaxPoolig2D（无、64、6升、6升）
辍学（无、64、6升、6升）
展平（无，2304）
密集型（无，512）
Relu（无，512）
辍学（无，512）
密度（无，10）
Softmax（无，10）

Eduardo：谢谢你的评论。我的问题可能只与Keras 1.2.0有关。我在上面又加了一条评论。