Я пытаюсь построить бинарный классификатор с нейронной сетью на некоторых изображениях с использованием лазанья. Уроки обучения и валидации колеблются дико (и не согласуются), и точность проверки всегда равна 0%
. Кроме того, сеть всегда прогнозирует цель как 1
для тестового набора.нейронная сеть с точностью лазаньи
Сеть Я использую в основном только копия примера лазанью в для mnist набора данных нашли here, но адаптированный для моих изображений, которые совсем немного больше (509 x 115
) с около 400
изображений в обучающем наборе. Мне интересно, если это проблема, и может ли сеть быть более глубокой/иметь больше нейронов?
Нужен ли мне более крупный набор для этого размера изображения? Или я должен видеть некоторые, хотя и неточные, предсказания для моего тестового набора?
Нам нужно гораздо больше данных, чтобы иметь возможность ответить на это: какова ваша задача, какие у вас есть метки, сколько из них, ваш полный код. В его нынешнем виде это слишком широкое, непонятное и не относящееся к теме. – IVlad
Если ваша сеть всегда предсказывает один и тот же класс, и вы получаете точность 0% от набора валидаций, похоже, что ваш набор проверки содержит только примеры одного класса, что было бы плохим выбором. (Может быть, ваш учебный набор также содержит только один класс?) Для задания бинарной классификации вы должны получить не менее 50% точности в наборе валидации. – aleju
Привет, пользователь3760780, спасибо за помощь. это действительно проблема, мой набор проверки был тем же классом. Я сейчас разобрал это, и тренировочные/вали/тестовые наборы все рандомизированы. однако моя сеть все еще прогнозирует все как 1 и с постоянной 82% -ной точностью (я полагаю, 82% данных должны быть класса 1). Как вы думаете, должно быть больше данных класса 0? наверняка сеть должна прогнозировать хотя бы некоторый класс «0» даже при этой настройке? заранее спасибо. – mjacuse