板上的大大好， 最近自学时所遇到这个问题不能理解， 我想利用keras分类2个图片， 我将这2个图片资料复制成2000个， 也就是各1000个相同的资料， 并将其中20%设为验证组， 在没有设定Dropout的情况下， 为什麽训练组在第1次训练时，准确率不会是100%， 因为是用一模一样的资料不是应该不会有错误的情况， 我想问是因为activation的选用所造成的，还是有其他因素导致这个结果？ 希望有人能替我解惑，感谢。 以下是模型有关的code #建立模型 model = Sequential() # 模型加入【输入层】与【第一层卷积层】 model.add(Conv2D(filters=16, kernel_size=(5,5), padding='same', input_shape=(306,102,1), activation='relu')) # 模型加入【第一层池化层】 model.add(MaxPooling2D(pool_size=(2, 2))) # 模型加入【第二层卷积层】 model.add(Conv2D(filters=64, kernel_size=(5,5), padding='same', activation='relu') # 模型加入【第二层池化层】 model.add(MaxPooling2D(pool_size=(2, 2))) # 模型加入【平坦层】 model.add(Flatten()) # 模型加入【隐藏层】 model.add(Dense( units = 128, activation='relu')) model.add(Dense(2, activation='softmax')) print(model.summary()) # 设定模型的训练方式 model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) train_history=model.fit(x=x_Train4D_normalize, y=y_TrainOneHot, validation_split=0.2, epochs=5, batch_size=2, verbose=2) --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.113.156.98 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1574163431.A.399.html 测了四组，第一个epoch就会99.5%以上，後面每个epoch都会是100%了，但是我以为应该 要第一个epoch就是100%，所以才会问这个问题 我会觉得要100%是因为都是同样两个资料的关系啦XD 所以想说有没有其他原因导致这个 问题 基本上20个data在第二个epoch就会100%了 但我想说同样的资料不是应该第一个e poch就应该100%吗(? 才会提出这个问题 ※ 编辑: zax5566x2 (140.113.156.98 台湾), 11/19/2019 21:34:29 了解，这感觉是我的问题的答案 不太懂二元分类跟分数的说法，二元分类是指只有两种分类情况就是二元分类，还是说需 要特别去设定。 然後不均匀的状态是指两种资料的分布吗?但batch size不是会随机将资料分配，还是因 为只有两种资料，batch size 设为2容易造成分布不均匀的情况。 其实主要是我主观认为应该要第一个epoch就要100%啦XD，因为我自己也没讲清楚我的问 题，但上面好像已经有答案了，就结果而言用相同的资料最终会达到100%是没问题的，只 是不会在第1个epoch而已QQ。 有洗牌的话是指batch size会随机分布，导致每个batch里两种图像数量分布不一样，所 以还是跟1000倍epoch不一样嘛(?希望我理解没有错 ※ 编辑: zax5566x2 (140.113.156.98 台湾), 11/20/2019 21:39:12 ※ 编辑: zax5566x2 (140.113.156.98 台湾), 11/20/2019 21:41:15