python - 如何改进我的CNN？高且恒定的验证错误

Question

我正在研究一个问题，用于根据奶牛的图像预测奶牛的肥胖程度。
我应用了 CNN 来估计介于 0-5 之间的值(我拥有的数据集仅包含介于 2.25 和 4 之间的值)
我使用了 4 个 CNN 层和 3 个隐藏层。

我实际上有两个问题:
1/我得到了 0.05 的训练误差，但是在 3-5 个 epoch 之后，验证误差仍然保持在 0.33 左右。
2/我的神经网络预测的值在 2.9 到 3.3 之间，与数据集范围相比太窄了。正常吗？

我怎样才能改进我的模型？

model = tf.keras.models.Sequential([
    tf.keras.layers.Conv2D(16, (3,3), activation='relu', input_shape=(512, 424,1)),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(32, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2, 2),
    tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
    tf.keras.layers.MaxPooling2D(2,2),
    tf.keras.layers.Flatten(input_shape=(512, 424)),
    tf.keras.layers.Dense(256, activation=tf.nn.relu),
    tf.keras.layers.Dense(128, activation=tf.nn.relu),
    tf.keras.layers.Dense(64, activation=tf.nn.relu),
    tf.keras.layers.Dense(1, activation='linear')
])

学习曲线:



预言:

Answer 1

这似乎是过度拟合的情况。你可以

Shuffle Data ，通过使用 shuffle=True在 cnn_model.fit .代码如下所示:
history = cnn_model.fit(x = X_train_reshaped, y = y_train, batch_size = 512, epochs = epochs, callbacks=[callback], verbose = 1, validation_data = (X_test_reshaped, y_test), validation_steps = 10, steps_per_epoch=steps_per_epoch, shuffle = True)

使用 Early Stopping .代码如下所示
callback = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patience=15)

使用正则化。正则化代码如下所示(您也可以尝试 l1 正则化或 l1_l2 正则化):

from tensorflow.keras.regularizers import l2Regularizer = l2(0.001)cnn_model.add(Conv2D(64,3, 3, input_shape = (28,28,1), activation='relu', data_format='channels_last', activity_regularizer=Regularizer, kernel_regularizer=Regularizer))cnn_model.add(Dense(units = 10, activation = 'sigmoid', activity_regularizer=Regularizer, kernel_regularizer=Regularizer))

您可以尝试使用 BatchNormalization .

使用 ImageDataGenerator 执行图像数据增强.引用 this link有关更多信息。

如果像素不是 Normalized ，将像素值除以 255也有帮助。

最后，如果仍然没有变化，您可以尝试使用 Pre-Trained Models喜欢 ResNet或 VGG Net等。