Staram się stworzyć CNN do klasyfikacji owoców. U mnie były wysokie wartości strat, i staram się zmniejszyć ich na tyle, na ile mogę, ale nie jestem pewien, jak poprawić mój model dalej.
Oto mój kod:
model96 = tf.keras.Sequential()
#Architecture
model96.add(tf.keras.layers.Conv2D(filters = 32,
kernel_size = (3, 3),
activation = "relu",
input_shape = (96, 96, 3)))
model96.add(tf.keras.layers.Conv2D(filters = 32,
kernel_size = (3, 3),
activation = "relu"))
model96.add(tf.keras.layers.MaxPooling2D(pool_size=(2, 2)))
model96.add(tf.keras.layers.Dropout(rate=0.25))
model96.add(tf.keras.layers.Flatten())
model96.add(tf.keras.layers.Dense(units=128, activation='relu'))
model96.add(tf.keras.layers.Dropout(rate=0.5))
#output layer
model96.add(tf.keras.layers.Dense(units=4, activation='softmax'))
#Loss function
model96.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
#Train model
hist96 = model96.fit(x=x_train96_norm, y=y_train, epochs=100)
#Test and Evaluate
print("Performance with test data:")
loss96, accuracy96 = model96.evaluate(x=x_test96_norm, y=y_test)
print('loss =', loss96)
print('accuracy =', accuracy96)
Podczas szkolenia końcowa wartość strat wyniosła 0,0153, a wartość końcowa dokładność-0,9958, jednak podczas testu modelu zdobyła: loss = 1.0462701320648193
i accuracy = 0.8666666746139526