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: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,tensorflow,machine-learning,keras,jupyter-notebook,Tensorflow,Machine Learning,Keras,Jupyter Notebook,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
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:
Dropout
图层LeakyReLU
层model.compile(loss="categorical_crossentropy",
optimizer="adam",
metrics=["accuracy"])