Python 张量流量损失；在CNN模型中Acc保持不变

我刚刚开始在Tensorflow上学习CNN。然而，当我训练模型时，损失和精度不会改变

我使用的是大小为128x128x3的图像，这些图像是标准化的（在[0,1]中）。这是我正在使用的编译器

compile（optimizer=tf.keras.optimizers.Adam（lr=0.000001），loss='binary\u crossentropy'，metrics=['accurity']）

这是我的模型的总结

我尝试了以下几点，但我总是有相同的价值观：

• 将学习速率从0.00000001更改为10
• 更改卷积内核我尝试了5x5和3x3
• 我添加了另一个完全连接的层和Conv层

更新

拟合模型后，层的权重没有变化。我有相同的初始权重

你可以试试这个

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

此外，从最后一层移除softmax激活，二进制分类问题不需要softmax。因此，softmax在这种情况下所做的是将值始终剪裁为1，因为只有一种概率，因此网络不训练。这可能有助于您理解softmax。

---

此外，您可以尝试在最后一个节点使用sigmoid激活。这将输出剪裁为0到1范围内的值，并且网络权重不会因为非常高的损耗而膨胀

您的模型是否在每个历元后更新权重？我建议在每个历元后检查层权重。我不知道如何在每个历元中检查权重。但是是的，在训练之前和五个阶段之后，我的体重是一样的。问题是什么？您在输出节点使用的激活是什么？我可以上传你的代码，这样我就可以知道出了什么问题。因为这似乎很奇怪为什么模型不能训练。我正在使用“softmax”，这里有一个链接指向我的项目：@wassimboutay尝试删除最后一层中的激活。二进制分类问题不需要softmax函数。这应该可以解决问题。在第一个纪元中，精度变为0.7091（即1-0.2909），但即使在10个纪元之后，它仍然停留在相同的值上。在输出节点上激活Sigmoid应该会有所帮助。我认为问题在于

train\u gen=ImageDataGenerator（旋转范围=20，水平翻转=True）

当前tf版本的图像生成器。此[链接]（）包含其他人面临的类似问题的详细信息。