deep-learning - 为什么我的准确率从一开始训练就很高？

Question

我正在训练一个神经网络来识别.png图片上的一些属性，当我开始训练时得到的是这样的，并且它一直在增加直到epoch结束:

32/4817 [..............................] - ETA: 167s - loss: 0.6756 - acc: 0.5
64/4817 [..............................] - ETA: 152s - loss: 0.6214 - acc: 0.7  
96/4817 [..............................] - ETA: 145s - loss: 0.6169 - acc: 0.7 
128/4817 [.............................] - ETA: 142s - loss: 0.5972 - acc: 0.7 
160/4817 [.............................] - ETA: 140s - loss: 0.5734 - acc: 0.7 
192/4817 [>............................] - ETA: 138s - loss: 0.5604 - acc: 0.7 
224/4817 [>............................] - ETA: 137s - loss: 0.5427 - acc: 0.7 
256/4817 [>............................] - ETA: 135s - loss: 0.5160 - acc: 0.7 
288/4817 [>............................] - ETA: 134s - loss: 0.5492 - acc: 0.7 
320/4817 [>............................] - ETA: 133s - loss: 0.5574 - acc: 0.7 
352/4817 [=>...........................] - ETA: 131s - loss: 0.5559 - acc: 0.7 
384/4817 [=>...........................] - ETA: 129s - loss: 0.5550 - acc: 0.7 
416/4817 [=>...........................] - ETA: 128s - loss: 0.5504 - acc: 0.7 
448/4817 [=>...........................] - ETA: 127s - loss: 0.5417 - acc: 0.7 
480/4817 [=>...........................] - ETA: 126s - loss: 0.5425 - acc: 0.7 

我的问题是为什么起始准确率这么高？我想它应该在 0.1 左右，然后随着学习而增加。

此外，最后我得到:

('Test loss:', 0.42451223436727564)
('Test accuracy:', 0.82572614112830256)

测试损失太大了吗？

这是我的网络:

input_shape = x_train[0].shape
print(input_shape)
model = Sequential()

stoplearn = keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, 
patience=0, verbose=0, mode='auto')

model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(2, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])

model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=20,
          verbose=1,
          validation_data=(x_test, y_test),
          callbacks=[stoplearn])
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])

它是使用 Keras 用 Python 编写的。

Answer 1

您将数据分为两类(因为您的输出层大小为 2)，因此 0.5 的准确度不高。实际上，这意味着您的网络行为是随机的，这正是您一开始所期望的。关于损失，没有绝对的答案。您的测试精度似乎还不错，您可以尝试使用一些参数(例如，对全连接层采用较小的尺寸)，看看是否可以改进它。