训练过程accuracy一直不变

来源：2-7 实战回归模型

Casablanca_

2019-08-11

我的代码和老师的一模一样，但我的结果很奇怪。
Train on 11610 samples, validate on 3870 samples
Epoch 1/30
11610/11610 [] - 1s 46us/sample - loss: 0.7376 - acc: 0.0031 - val_loss: 0.5053 - val_acc: 0.0023
Epoch 2/30
11610/11610 [] - 1s 43us/sample - loss: 0.4311 - acc: 0.0031 - val_loss: 0.4237 - val_acc: 0.0023
Epoch 3/30
11610/11610 [] - 0s 41us/sample - loss: 0.3903 - acc: 0.0031 - val_loss: 0.3933 - val_acc: 0.0023
Epoch 4/30
11610/11610 [] - 1s 44us/sample - loss: 0.3741 - acc: 0.0031 - val_loss: 0.3763 - val_acc: 0.0023
Epoch 5/30
11610/11610 [] - 0s 40us/sample - loss: 0.3641 - acc: 0.0031 - val_loss: 0.3742 - val_acc: 0.0023
Epoch 6/30
11610/11610 [] - 0s 41us/sample - loss: 0.3573 - acc: 0.0031 - val_loss: 0.3632 - val_acc: 0.0023
Epoch 7/30
11610/11610 [] - 0s 42us/sample - loss: 0.3522 - acc: 0.0031 - val_loss: 0.3652 - val_acc: 0.0023
Epoch 8/30
11610/11610 [] - 0s 42us/sample - loss: 0.3461 - acc: 0.0031 - val_loss: 0.3552 - val_acc: 0.0023
Epoch 9/30
11610/11610 [] - 0s 40us/sample - loss: 0.3413 - acc: 0.0031 - val_loss: 0.3582 - val_acc: 0.0023
Epoch 10/30
11610/11610 [] - 0s 41us/sample - loss: 0.3358 - acc: 0.0031 - val_loss: 0.3517 - val_acc: 0.0023
Epoch 11/30
11610/11610 [] - 0s 40us/sample - loss: 0.3322 - acc: 0.0031 - val_loss: 0.3599 - val_acc: 0.0023
Epoch 12/30
11610/11610 [] - 0s 42us/sample - loss: 0.3282 - acc: 0.0031 - val_loss: 0.3390 - val_acc: 0.0023
Epoch 13/30
11610/11610 [] - 0s 41us/sample - loss: 0.3225 - acc: 0.0031 - val_loss: 0.3366 - val_acc: 0.0023
Epoch 14/30
11610/11610 [] - 0s 41us/sample - loss: 0.3206 - acc: 0.0031 - val_loss: 0.3308 - val_acc: 0.0023
Epoch 15/30
11610/11610 [] - 0s 41us/sample - loss: 0.3168 - acc: 0.0031 - val_loss: 0.3395 - val_acc: 0.0023
Epoch 16/30
11610/11610 [] - 0s 42us/sample - loss: 0.3144 - acc: 0.0031 - val_loss: 0.3404 - val_acc: 0.0023

写回答

2回答

生途南北

2020-02-13

是不是因为这个是回归，不是分类，target的值是连续的，所以准确率近乎为零？

正十七

2019-08-14

同学你好，根据我回其他问题的经验，感觉有两个方向你尝试下：

第一：版本问题，用的是1.13的版本，换成2.0可能会好

第二：学习率太大，可以考虑用如下代码替换你的optimizer:

optimizer = keras.optimizers.SGD(0.001),

默认optimizer学习率是0.01有点大。

第三：我觉得你还可以检查下你的归一化做的对不对。

一个比较快的方法是用git上的代码运行，可以快速的和自己的代码做diff看区别是啥。

正十七

MCFON

第二章的代码我又重新在2.0正式版上测了一下，learning_rate改成了0.001,可以收敛。你再试试？

2019-11-17

共4条回复

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

查看课程

相似问题

为什么每次的训练结果都不一样呢？

回答 2

数据集全量训练，是不是16G的显存不够用了？

回答 1

请问老师，embedding层的训练是如何进行的呢？

回答 1

老师，为什么训练集打印的是metric，而验证集打印的是loss？

回答 1

为什么validation的accuracy比train的要高

回答 1

打开慕课网App查看更多内容