Neural network 我把CNN频道的数量从7个增加到了8个,但是结果变差了,为什么?
我的输入图像有8个通道,我的输出(标签)有1个通道,我在keras中的CNN如下所示:Neural network 我把CNN频道的数量从7个增加到了8个,但是结果变差了,为什么?,neural-network,keras,conv-neural-network,Neural Network,Keras,Conv Neural Network,我的输入图像有8个通道,我的输出(标签)有1个通道,我在keras中的CNN如下所示: def set_model(ks1=5, ks2=5, nf1=64, nf2=1): model = Sequential() model.add(Conv2D(nf1, padding="same", kernel_size=(ks1, ks1), activation='relu', input_shape=(62, 62, 8)))
def set_model(ks1=5, ks2=5, nf1=64, nf2=1):
model = Sequential()
model.add(Conv2D(nf1, padding="same", kernel_size=(ks1, ks1),
activation='relu', input_shape=(62, 62, 8)))
model.add(Conv2D(nf2, padding="same", kernel_size=(ks2, ks2),
activation='relu'))
model.compile(loss=keras.losses.binary_crossentropy,
optimizer=keras.optimizers.Adadelta())
return model
以下是上述实施模式的总结:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
conv2d_1 (Conv2D) (None, 62, 62, 64) 12864
_________________________________________________________________
conv2d_2 (Conv2D) (None, 62, 62, 1) 1601
=================================================================
Total params: 14,465
Trainable params: 14,465
Non-trainable params: 0
_________________________________________________________________
通过另一个问题,我在这里问()我确信每个通道都有自己的权重集。现在,我的问题是,为什么当我添加另一个通道并将其增加7到8时,结果会恶化
7通道预测精度指标:
8通道预测精度指标:
我还将所有8个通道标准化为0到1之间的值
其中一个预测有7个通道:
其中一个预测有8个通道:
这些图是如何生成的,它们的含义是什么?@MatiasValdenegro,PAI是预测准确度指数,即k个顶级位置的事件数与事件总数的乘积乘以k个位置区域的总面积:(n/n)*(A/A)。x轴是考虑的位置数。该PAI在ML中并不常用,我认为您必须提供更好的解释或使用不同的度量(为什么不只是精度或损失?)。这些图的X轴上是什么?此外,为什么结果会恶化可能不是一个编程问题。@MatiasValdenegro,在我试验模型并进行预测之后,我将预测与基本事实进行比较,以计算PAI。所以你的意思是PAI可能会恶化,而不是损失函数本身?@MatiasValdenegro,我在问题中添加了更多的照片。谢谢