我正在使用带有25000张图像的猫狗数据集 .
xtrain.shape = (25000, 224, 224, 3)
ytrain.shape = (25000, 2)
然后使用InceptionV3，我试图在这个数据集上微调模型 .
from keras.applications.inception_v3 import InceptionV3
base_model = InceptionV3(include_top=False,weights='imagenet')
base = base_model.output
layer1 = GlobalAveragePooling2D()(base)
layer2 = Dense(128,activation='relu')(layer1)
prediction = Dense(2,activation='softmax')(layer2)
model = Model(inputs=base_model.input,outputs=prediction)
for layer in base_model.layers:
layer.trainable = False
model.compile(optimizer=Adam(lr=0.001),
loss='categorical_crossentropy',metrics=['accuracy'])
然后我训练了最后一层：
model.fit(x=xtrain,y=ytrain,batch_size=100,
epochs=10,verbose=1,validation_split=0.2)
然后我调整了最后50层：
for layer in model.layers[:250]:
layer.trainable = False
for layer in model.layers[250:]:
layer.trainable = True
from keras.optimizers import Adam
model.compile(optimizer=Adam(lr=0.0001),
loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(x=x,y=y,batch_size=100,epochs=50,verbose=1,validation_data= .
(xx,yy))
我正在训练50个纪元，我的训练准确率达到95％左右，但验证准确率只有50％ . 我不明白为什么 . 此外，imagenet数据集已包含cat和dog类，因此不需要对我的数据集进行大量训练 . 我知道我错了，有人请指出错误 .