卷积神经网络不对测试集角进行分类

Question

我有一个三维复杂的神经网络角点，tensorflow和3D脑图像的人晚期阿尔茨海默氏症，早期阿尔茨海默氏症和健康人(3类)。我有324张图像的训练集和74张图像的测试集。当我训练我的CNN时，我有大约65-70%的准确率，但是对于测试集，我只有30-40%。当我使用测试数据作为验证数据时，对于训练集，我的准确率也不超过37%，并且损失始终保持在相同的水平。不管我改变了哪些参数，结果都是一样的。我将准备好的和规范化的数据从.h5文件加载到Python中，输入具有形状(None，90,120，80，1)。我不知道可能出了什么问题，我检查了很多次代码，一切似乎都是正确的。

我的CNN有4个conv3D层，3个最大池，激活:relu和batch_normalizations，3个密集层和下拉，softmax。

我很感激任何帮助或想法。

Answer 1

如果你的训练数据只有65/70%的准确性，那就说明你的神经网络没有很好的收敛。如果结构足够复杂，您的网络至少应该能够对培训数据进行过度拟合，方法是有效地学习从小输入样本中硬编码输出。听起来，你的结构已经够复杂了。

第一件事是将学习率降低10倍，并关闭验证/早期停止/正常化/规范以及防止过度适应的任何其他方法。然后漂洗，重复-更多的迭代，每一次减少10倍的LR -直到你可以把训练数据调整到训练数据接近100%的地方。

然后，你可以工作在适当的早停，辍学，正常化，规范等，以防止过度适应你知道的学习速度是有效的。

如果丢弃LR甚至不太适合，不管LR多么小，那么您的NN结构就会有一些问题。