如何解决为什么迁移学习和数据增强的准确度得分较低?
我正在开发分类模型。我有 5 种花,每种花大约 1000 张照片。
我有两个问题。
-
我使用 VGG16 和迁移学习作为模型,准确度得分为 84。为了提高准确度分数,我尝试了数据增强。但是,当我同时使用迁移学习和数据增强时,准确率下降到 %74。
-
如果不能同时使用迁移学习和数据增强,我可以将增强的照片保存到训练文件夹,然后使用迁移学习吗?
select Batsman_,sum(batsman_runs)/count(player_dismissed) as Average from ( (select batsman as Batsman_ from IPL_BALL_BY_BALL) union all (select non_striker as Batsman_ from IPL_BALL_BY_BALL) ) group by Batsman_ order by Average desc;
def define_model_vgg_16(): # load model model = VGG16(include_top=False,input_shape=(224,224,3)) # mark loaded layers as not trainable for layer in model.layers: layer.trainable = False # add new classifier layers flat1 = Flatten()(model.layers[-1].output) class1 = Dense(128,activation='relu',kernel_initializer='he_uniform')(flat1) output = Dense(5,activation='softmax')(class1) # define new model model = Model(inputs=model.inputs,outputs = output) #compile model opt = SGD(lr=0.001,momentum=0.9) model.compile(optimizer=opt,loss='categorical_crossentropy',metrics=['accuracy']) return model
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。