CNN模型验证准确性并未提高

Question

我目前正在使用CNN模型进行分类，我必须预测wav文件中的单词。我遇到的验证准确性问题（几乎）保持不变，首先，我考虑过拟合，但这似乎不是问题。在下面，您可以看到一张在不同时期拍摄的照片：

我正在用Keras构建CNN模型，并使用'adam'优化器和'categorical_crossentropy'进行损失。我已经尝试将纪元数增加到1000，并更改了批量大小。

Answer 1

您的训练损失似乎正在减少，但val_loss却在增加，而val_accuracy大致相同。这是过度拟合的标准情况。您为什么不这样认为呢？

---

增加训练时期或批量大小没有帮助，因为您只是更改模型在一个时期内看到数据的次数或看到的数据量。

---

对于当前方案，将创建最佳模型，直到val_loss和train_loss都持续减小直至达到饱和为止。 为了解决该问题，您需要在训练数据中添加噪声，以使模型更好地泛化，更好地泛化示例，在训练数据量方面创建平衡的类别。

---

第二，您可以增加验证数据集以查看其是否仍然存在相同的问题。如果存在，那么模型肯定是过拟合的。还请更新您的问题，有关您使用的是哪种验证集和技术。如果可能，请添加您的验证集和损失函数的代码段