Tensorflow 狗型的图像识别不起作用，我的模型可能是个问题，但我是新手

我发现了这个数据集：

我想自己尝试机器学习，就像我在youtube上尝试跟随指南一样。不知道应该如何建立模型。我得到了神经元和层的基本信息，但不确定为什么准确度和损失感觉是错误的。模型创建的任何指南/解释（激活、Conv2D、MaxPoolig2D、展平、丢失、优化器）

我试着将激活和丢失作为一种尝试和错误来理解这个概念

我想我的问题是这些 我的Jupyter笔记本文件：

---

正如你所看到的那样，准确度是垃圾，损失是不可估量的。

将狗的图像分类为各种类别是一项分类任务。机器学习中有两类问题：

分类处理分类标签，因此需要适当的损失函数。您应该使用

categorical\u crossentropy

损失函数，如：

model.compile(loss="categorical_crossentropy",
             optimizer="adam",
             metrics=["accuracy"])

有关更多信息，请参阅

用于处理连续标签的回归问题。它用于为特定数据集找到最佳拟合线，从而使MSE最小

我想这应该能解决你的问题如果问题仍然存在，请尝试以下步骤：

将学习率降低到0.0001或更小

使用

Dropout

图层

使用

LeakyReLU

层

我将loss=“binary\u crossentropy”替换为“sparse\u categorical\u crossentropy”，在调整值时增加了一个学习率，从relu改为LeakyReLU，但我的准确性和损失仍然相当糟糕。我不确定我的模型的哪一部分是错误的，因为目前我只是在试验。

model.compile(loss="categorical_crossentropy",
             optimizer="adam",
             metrics=["accuracy"])