Python 训练神经网络会给出多重精度，然后数量开始减少，精度停滞

我试着训练我的模型，当模型训练时，多个精度被打印出来，然后随着训练在同一时期的进展被删除

我在新时代看到3个ETA，而它应该只有1个

而且训练的准确度也没有提高。我已经尝试了15个阶段，甚至训练的准确度也保持不变

model = tf.keras.models.Sequential([tf.keras.layers.Conv2D(64,kernel_size = (3,3), input_shape=(X_train.shape[1:]),activation = 'relu'),
                                tf.keras.layers.Conv2D(64,kernel_size = (3,3),activation = 'relu'),
                              tf.keras.layers.MaxPooling2D(pool_size = (2,2), strides = (2,2)),
                              tf.keras.layers.Dropout(0.2),
                              
                                                      
                              tf.keras.layers.Conv2D(64,kernel_size = (3,3),activation = 'relu'),
                              tf.keras.layers.Conv2D(64,kernel_size = (3,3),activation = 'relu'),
                              tf.keras.layers.MaxPooling2D(pool_size = (2,2), strides = (2,2)),
                              tf.keras.layers.Dropout(0.2),
                               
                              tf.keras.layers.Conv2D(128,kernel_size = (3,3),activation = 'relu'),
                              tf.keras.layers.Conv2D(128,kernel_size = (3,3),activation = 'relu'),
                              tf.keras.layers.MaxPooling2D(pool_size = (2,2), strides = (2,2)),
                                
                                tf.keras.layers.Flatten(),
                               
                               tf.keras.layers.Dense(8*128, activation = 'relu'),
                               tf.keras.layers.Dropout(0.2),
                                tf.keras.layers.Dense(8*128, activation = 'relu'),
                               tf.keras.layers.Dropout(0.2),
                               tf.keras.layers.Dense(7, activation = 'softmax')])

model.compile( optimizer = 'SGD', loss = tf.keras.losses.categorical_crossentropy, metrics = ['accuracy'])

model.fit(X_train, y_train, epochs = 2, verbose = 1, shuffle = True, batch_size = 64, validation_split=0.05)

---

一,。由于正在处理多个批次，您将看到多个精度。所有这些都将在稍后合并。别担心。这是一个正常的过程。但是，如果您还想了解更多，请查看tensorflow多重处理和反向传播

二,。这取决于你的数据。要提高精度，您可以尝试以下操作：

预处理您的数据

尝试使用增广

也许您的数据需要更复杂的体系结构。尝试再添加几层。我会先尝试删除掉图层

---

还请尝试在15-20个时期内以更高的学习率培训相同的架构。如果仍然没有发现差异，请尝试上面提到的方法。

很多次，它们不会合并。有问题吗？不，没问题。在后端，它正在被合并，但控制台并没有被清除，这很好。