Python 验证准确度为'；t改变

我训练了我的第一个分类图像分类器，但由于我对深度学习还不熟悉，我没有注意到我的验证集发生了什么。我做了一个5倍的CV，在每一倍中，我将数据集分割成训练/验证/测试

拆分后，我在x_列车中应用数据扩充：

datagen = ImageDataGenerator(
    rotation_range=90,
    horizontal_flip=True)

然后将我的模型与发电机匹配：

    history = model.fit_generator(datagen.flow(x_train, y_train, batch_size=25),
                                  validation_data=(x_validation,y_validation), 
                                  steps_per_epoch=math.ceil(len(x_train) / batch),
                                  epochs=epochs)

参数：

len（x_train）=31

和

batch=1

原因我想要sgd批次

数据集有76个图像，分别写入测试=15、序列=31和验证=30

在运行了5次之后，我看到了这个图形：

发生了什么事

---

提前谢谢

您好，您能提供您的网络架构吗？乍一看，你的模型似乎不太合适。这就是为什么您有高列车acc和低val acc。这可能有许多原因（例如，培训数据数量少）。为了帮助我们，我们可能需要更多的输入，比如你想要预测什么或者网络的架构是什么样子。这就是我的网络架构：我使用Resnet50，使用imagenet权重微调所有层，然后移除最后一层，创建一个新的层，将其分为3类。我在数据集中有76张图像，分为三类。数据集是不平衡的，因为第一类有52%的数据，其他类有28%的数据，其他类有20%的数据。首先，我建议您尝试获取更多数据。您使用76数据集中的31个数据点作为列车数据。这是一个非常少的训练数据。此外，如果您的数据集是不平衡的，您可能有trainingsdata，它缺少一个类（我们需要加载数据的代码）。如果更多的数据不起作用，并且你解释了类的不平衡（例如，过度/欠采样或加权），我建议共享更多的代码和一些样本数据，这样我们就可以重现错误。谢谢Fabian，我现在正在尝试数据扩充，但它似乎没有得到很好的实现，所以我正在研究它是如何工作的。嗨，你能提供你的网络架构吗？乍一看，你的模型似乎不太合适。这就是为什么您有高列车acc和低val acc。这可能有许多原因（例如，培训数据数量少）。为了帮助我们，我们可能需要更多的输入，比如你想要预测什么或者网络的架构是什么样子。这就是我的网络架构：我使用Resnet50，使用imagenet权重微调所有层，然后移除最后一层，创建一个新的层，将其分为3类。我在数据集中有76张图像，分为三类。数据集是不平衡的，因为第一类有52%的数据，其他类有28%的数据，其他类有20%的数据。首先，我建议您尝试获取更多数据。您使用76数据集中的31个数据点作为列车数据。这是一个非常少的训练数据。此外，如果您的数据集是不平衡的，您可能有trainingsdata，它缺少一个类（我们需要加载数据的代码）。如果更多的数据不起作用，并且你解释了类的不平衡（例如，过度/欠采样或加权），我建议共享更多的代码和一些样本数据，这样我们就可以重现错误。谢谢Fabian，我现在正在尝试数据增广，但它似乎没有得到很好的实现，所以我正在研究它是如何工作的。