Tensorflow 卷积神经网络不'；t分类测试集keras

我有一个三维卷积神经网络[keras，tensorflow]和晚期阿尔茨海默氏症患者、早期阿尔茨海默氏症患者和健康人（3类）的三维大脑图像。我有324张图片的训练集和74张图片的测试集。当我训练我的CNN时，我有大约65-70%的准确率，但对于测试集，我只有30-40%。当我使用测试数据作为验证数据时，对于训练集，我的准确率也不超过37%，并且损失一直保持在同一水平。无论我改变哪些参数，结果都是一样的。我将准备好的和规范化的数据从.h5文件加载到Python中，输入具有shape（无、90、120、80、1）。我不知道什么地方出了问题，我检查了很多次代码，似乎一切都是正确的

我的CNN有4个conv3D层，3个最大池，激活：relu和batch_规范化，3个密集层和辍学，softmax

---

如果你的训练数据只有65/70%的准确率，这表明你的神经网络没有正确收敛，我将不胜感激。如果结构足够复杂，您的网络应该至少能够过度拟合训练数据，方法是有效地学习对小输入样本的输出进行硬编码。听上去，你的结构已经够复杂了

首先要尝试的是将学习率降低10倍，并关闭验证/提前停止/正常化/正规化以及任何其他防止过度拟合的方法。然后冲洗，重复-更多的迭代，每一次都将LR减少10倍-直到您可以过度拟合训练数据，使其接近训练数据的100%

然后，你可以采取适当的提前停止、辍学、正常化、正规化等措施，以防止过度适应你知道有效的学习率

---

如果丢弃LR甚至不会过度匹配LR，无论LR有多小，那么您的NN结构存在一些问题。

可能您的测试集非常有偏差。您为测试集选择的特定案例太多。由于您的数据很小，这种情况并不罕见。检查您的测试数据和列车数据在健康/早期/高级情况下的比例是否相似。数据比例相似：/谢谢！我试试看。我的准确率确实很低，但我知道我的数据很复杂，我不知道我是否能达到85%的准确率。现在我想要的是我的CNN工作（这意味着测试集至少有60-70%）。