Python 如何改进我的CNN'；什么是精确进化？

所以，我试图创建一个CNN，它可以预测x射线胸部图像中是否有任何“支持设备”，但当训练我的模型时，它似乎没有学到任何东西

我正在使用一个名为“CheXpert”的数据集，它有超过20万张图像可供使用。在做了一些“清理”之后，最终的数据集最终得到了10万张图像。 就模型而言，我导入了vgg16预训练模型的卷积基，并添加了我自己的2个完全连接的层。然后，我冻结了所有的卷积基，只对完全连接的层进行训练。代码如下：

from keras.layers import GlobalAveragePooling2D
from keras.models import Model

pretrained_model = VGG16(weights='imagenet', include_top=False)

pretrained_model.summary()

for layer in pretrained_model.layers:
    layer.trainable = False

x = pretrained_model.output
x = GlobalAveragePooling2D()(x)

dropout = Dropout(0.25)

# let's add a fully-connected layer
x = Dense(1024, activation='relu')(x)
x = dropout(x)
x = Dense(1024, activation = 'relu')(x)
predictions = Dense(1, activation='sigmoid')(x)

final_model = Model(inputs=pretrained_model.input, outputs=predictions)

final_model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

据我所知，正常的行为应该是准确度从低开始，然后随着时代的发展而增长。但在这里，它只在相同的值（0.93和0.95）内振荡。很抱歉，我无法上传图像来向您显示图表

总而言之，我想知道精度的微小差异是否意味着模型没有学到任何东西

---

我有一个假设：从数据集的所有100000张图像中，95000张有标签“1”，只有5000张有标签“0”。我认为，如果用“1”减少图像，将其与用“0”等同，结果就会改变。

没有标记为“0”的图像肯定对CNN没有帮助。我还建议降低学习率，调整批量大小，看看是否有变化。

---

我希望它能有所帮助。

由于训练数据不平衡，我建议您可以在训练步骤中设置“class\u weight”。你拥有的数据越多，你设定的等级权重就越低

class_weight = {0: 1.5, 1: 0.5}
model.fit(X, Y, class_weight=class_weight)

您可以在中检查类_重量的增加

class_weight：可选的字典映射类索引（整数）到 权重（浮动）值，用于对损失函数进行加权（在 仅限培训）。这有助于告诉模型“多付些钱” 注意“来自代表性不足的班级的样本”

---

不确定，但基于上述情况——可能只是做这类事情的一个好框架：？？您可以手动设置rmsprop优化器的学习率，以最终提高准确性。选中此处（对于rmsprop，默认lr为0.001）