Python CNN过于适合少数族裔

我是开发CNN的新手，目前正在使用PyTorch制作一个二值图像分类器。我的数据集严重不平衡，我已经手动增加了我的测试分割和训练分割以达到平衡。我有一个0类（训练集有6500个图像），还有一个1类（训练集有5200个图像）。当我尝试使用skorch的拟合函数时，我得到的验证精度相当于集合中1类图像的百分比，并且我的预测函数仅为所有图像输出1

这是我改编CNN的教程：

这是我的CNN：（根据教程改编）

导入火炬
导入torch.nn作为nn
将torch.optim导入为optim
导入torchvision.transforms作为变换
将torchvision.dataset导入为数据集
将torchvision.models导入为模型
将numpy作为np导入
从numpy导入数组
作为pd进口熊猫
从skorch导入神经网络分类器
从skorch.helper导入预定义的分割
从skorch.callbacks导入LRScheduler
从skorch.callbacks导入检查点
从skorch.callbacks导入冷冻库
从PIL导入图像
进口斯科奇
导入操作系统
进口cv2
导入glob
从sklearn.pipeline导入功能联合，管道
从sklearn.preprocessing导入StandardScaler、MinMaxScaler、Normalizer
#定义转换（与不在线转换相同）
#先前手动扩充的
train_transforms=变换。组合([
#transforms.RandomResizedCrop（224），
#transforms.RandomHorizontalFlip（），
变换。中心裁剪（224），
transforms.ToTensor（），
转换。规范化（[0.485,0.456,0.406]，
[0.229, 0.224, 0.225])
])
val_transforms=transforms.Compose([
#变换。调整大小（256），
变换。中心裁剪（224），
transforms.ToTensor（），
转换。规范化（[0.485,0.456,0.406]，
[0.229, 0.224, 0.225])
])
train\u ds=datasets.ImageFolder（train\u分割路径，train\u变换）
val\u ds=datasets.ImageFolder（测试路径，val\u转换）
检查点(
f_params='best'u model.pt'，monitor='valid'u acc'u best'）
#目前正在将ResNet与一些层一起使用
类预训练模型（nn.模块）：
定义初始化（自、输出功能）：
super（）。\uuuu init\uuuuu（）
model=models.resnet152（预训练=True）
#不想改变训练前的重量
对于model.parameters（）中的参数：
param.requires_grad=False
num_features=model.fc.in_features
fc_层=nn.顺序(
nn.线性（数字特征，4096），
nn.ReLU（就地=真），
nn.辍学率（p=0.3），
nn.线性（4096，输出特性），
nn.ReLU（就地=真），
nn.辍学率（p=0.3），
)
model.fc=fc\u层
self.model=model
def前进（自身，x）：
返回自我模型（x）
use_cuda=torch.cuda.u是否可用（）
net=神经网络分类器(
模块=预训练模型，
模块输出特性=2，
标准=nn.交叉熵，
批次尺寸=16，
lr=0.0001，
最大纪元=3，
优化器=optim.Adam，
列车分割=预定义的列车分割（val\U ds），
回调=[checkpoint]，
device=torch.device（“cuda”如果torch.cuda.is_可用（）否则为“cpu”）
)
净配合（序列号，y=无）

以下是拟合函数的结果：

第1阶段：列车损失=.46有效_acc=.4301有效损失=.6931

第2阶段：列车损失=0.6931有效\u acc=0.4301有效损失=0.6931

第3阶段：列车损失=0.6931有效\u acc=0.4301有效损失=0.6931

事实证明，对于这个特定的数据集，我的验证图像中有43%是1类图像

y_pred=net.predict（val_ds）提供了以下信息：

数组（[1,1,1，…，1,1,1]，dtype=int64）

我想我有两个问题：

1） 是否有任何我在初始化CNN时做得不正确的事情会导致这种情况

---

2） 这是什么原因造成的？我能做些什么来纠正它吗？

您能提供您的导入语句和/或可能的到您修改代码的教程的链接吗？我在中编辑了这两个！你洗牌你的训练例子吗？是的，很好的一点-我有一个数组，我所有的图像，我洗牌之前，我手动分割的图像。最后一个辍学层似乎奇怪。通常情况下，你不会把辍学作为网络的最后一层。你能包括你的导入语句和/或可能是你改编代码的教程的链接吗？我在中编辑了这两个！你洗牌你的训练例子吗？是的，很好的一点-我有一个数组，我所有的图像，我洗牌之前，我手动分割的图像。最后一个辍学层似乎奇怪。通常情况下，你不会把辍学作为网络的最后一层。