在Keras中实现神经网络的精度很低
提问于 2021-01-18 07:44:46
我正试图在Cifar-10数据集上使用keras实现ANN，但出于某种原因，我不知道我得到的只有10%的准确性？
我使用了5个隐层，分别为8,16,32,64,128个神经元。
model = Sequential()
model.add(Dense(units = 8,activation = 'sigmoid' , input_dim = X.shape[1]))
model.add(Dense(units = 16 , activation = 'sigmoid'))
model.add(Dense(units = 32 , activation = 'sigmoid'))
model.add(Dense(units = 64 , activation = 'sigmoid'))
model.add(Dense(units = 128 , activation = 'sigmoid'))
model.add(Dense(units = 10 , activation = 'softmax'))
model.compile(loss = 'categorical_crossentropy' , optimizer = 'adam' , metrics = ['accuracy'])
model.fit(x_train,y_train,epochs = 1000, batch_size = 500 )
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-01-18 07:49:15
对于这样的网络来说，这是非常正常的准确性。您只有稠密的层，这对此数据集是不够的。Cifar-10是一个图像数据集，因此：
- 考虑使用CNN
- 使用“relu”激活而不是乙状结肠。
- 尝试使用图像增强
- 为了避免过度适应，不要忘记规范你的模型。
此外，500批大小也很高。考虑使用32-64-128。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65777704
复制相关文章
腾讯云开发者
