卷积神经网络不分类测试集keras

我有一个三维卷积神经网络[keras，tensorflow]和先进的阿尔茨海默氏症患者，早期阿尔茨海默氏症和健康人（三类）的3D脑图像。我拥有324个图像的训练集和74个图像的测试集。当我训练我的CNN时，我有大约65-70％的准确性，但是对于测试集我只有30-40％。当我使用测试数据作为验证数据时，那么对于训练集，我的准确性也不会超过37％，并且整个时间损失保持在同一水平。不知道我改变了哪些参数，结果是一样的。我将.h5文件中的准备和规范化数据加载到Python中，并且输入具有形状（无，90,120,80,1）。我不知道什么可能是错误的，我多次查看代码，一切看起来都是正确的。卷积神经网络不分类测试集keras

我CNN有4 conv3D层，3 MAX-池，激活：RELU和batch_normalizations，3致密层和辍学，SOFTMAX

我明白任何帮助或想法。

来源

2017-10-07 alexmaria

也许你有一个非常有偏见的测试集。您为测试集选择了太多特定情况。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您的列车数据是否具有类似比例的健康/早期/晚期病例。 –

的数据有类似的比例：/ – alexmaria

如果您的训练数据中只有65/70％的准确性非常差，并且表明您的神经网络没有正确收敛。如果结构足够复杂，通过有效地学习对小输入样本的输出进行硬编码，您的网络应该至少能够过度训练数据。从它的声音来看，你的结构足够复杂。

首先要尝试的是将学习率降低10倍，并关闭验证/提早停止/正常化/正则化以及其他任何防止过度拟合的方法。然后冲洗，重复 - 多次迭代，每次迭代将LR减少10倍 - 直到您可以将训练数据过度训练到训练数据接近100％的位置。

然后，您可以着手进行适当的早期停止，退出，规范化，正规化等操作，以防止您知道有效的学习速率过度拟合。

如果丢弃LR甚至不会过度配合LR，那么您的NN结构就存在一些问题。

来源

2017-10-08 07:32:25

谢谢！我会尝试。我的准确性很差，但我知道我的数据很复杂，我不知道我是否能够达到85％的准确率。我现在想要的只是我的CNN工作（这意味着至少60-70％的测试集）。 – alexmaria

卷积神经网络不分类测试集keras

回答

相关问题