python-低损耗和非常非常低的精度

我正在训练深度学习模型,但获得的准确性非常低,但损失也很低,这与二者成反比.这种低精度的原因是什么,我该如何制止它？

该模型应检测视频场景中的异常事件

我用来建立模型的研究论文的链接

https://arxiv.org/abs/1604.04574

模型架构

这是我的代码：

model = Sequential()

model.add(TimeDistributed(Convolution2D(512, 11, 11 ,activation='relu'  ,  border_mode='valid', subsample = (4,4))
                      , input_shape=(10,231, 231, 1)))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2), strides=None, border_mode='valid')))
model.add(TimeDistributed(Convolution2D(256,5, 5,activation='relu'  , border_mode='same')))
model.add(TimeDistributed(MaxPooling2D(pool_size=(2, 2), strides=None, border_mode='valid')))
model.add(TimeDistributed(Convolution2D(128,3,3,activation='relu'  , border_mode='same'))),
model.add(TimeDistributed(Conv2DTranspose(128, 3,3,border_mode='same')))
model.add(TimeDistributed(UpSampling2D(size=(2, 2, ))))
model.add(TimeDistributed(Conv2DTranspose(256, 3,3,border_mode='same')))
model.add(TimeDistributed(UpSampling2D(size=(2, 2, ))))
model.add(TimeDistributed(Conv2DTranspose(512,5,5,border_mode='same')))
model.add(TimeDistributed(Conv2DTranspose(1, kernel_size=(11,11),strides=(4,4))))

解决方法:

问题在于,您要在此处解决的任务更多是回归任务而不是分类任务.计算精度时-如果两个浮点数相等,则可以正确标记一个示例,即使您拥有一个非常好的模型,这也是极其罕见的.所以我不会过多地讲准确性,而是尝试计算例如R2得分代替.

标签：keras,machine-learning,neural-network,deep-learning,python
来源： https://codeday.me/bug/20191025/1932192.html