Потери и точность остаются неизменными

Question

Делал классификатор на 8 классов. Это моя модель:

model = Sequential()
model.add(Conv2D(16, 3, padding="same", activation="relu", input_shape=(100,100,1)))
model.add(MaxPooling2D())
model.add(Conv2D(32, 3, padding="same", activation="relu"))
model.add(MaxPooling2D())
model.add(Conv2D(64, 3, padding='same', activation='relu'))
model.add(MaxPooling2D())
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dense(len(classes)))
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
history = model.fit(
    x_train, y_train,
    validation_data = (x_test, y_test),
    epochs = 20,
    batch_size= 64
)

Потери и точность этой модели остаются неизменными. Не знаю почему. Может кто подскажет, что делать?

Answer 1

Существует множество условий, при которых ваша точность и потеря остаются неизменными. Это действительно зависит от ваших данных, вашего размера данных, ваших настроек параметров или даже ваших случайных весов для модели keras. Но иногда это просто потому, что ваша модель не подходит для решения вашей проблемы, и вы можете построить лучшую. Если вы считаете, что вышеуказанное не относится к вашему делу, не могли бы вы предоставить более подробную информацию о вашем коде или данных?