作者chuneee (chuneee)
看板Python
標題[問題] CNN模型只會預測同一個分類結果
時間Thu Mar 26 20:30:19 2020
更新:補充資料集&code
我的資料集是使用 Free Music Archive
參照的方法是像此網址
https://bit.ly/3aoIbUh
只是我想嘗試只用CNN進行分類預測
原始資料如以下,每筆資料的數值都介於 -80~0
[[-33.74863434 -27.84932709 -22.6257019 ... -21.47132492 -19.61938477
-14.22393227]
[-16.31633759 -29.69265747 -25.40621376 ... -28.50727081 -11.46302605
-4.04836655]
[ -9.1305275 -10.00378227 -28.46733665 ... -23.54629517 -20.91897202
-1.38314819]
...
[-63.33175659 -66.34197998 -68.40023804 ... -73.8707428 -68.64536285
-67.72910309]
[-67.61167908 -67.59188843 -66.96526337 ... -70.63095856 -74.70448303
-72.90202332]
[-71.49047852 -74.54782104 -69.39613342 ... -80. -80.
-80. ]]
我所進行的處理是全部取絕對值並標準化到0~1
如下
[[0.42185793]
[0.34811659]
[0.28282127]
...
[0.26839156]
[0.24524231]
[0.17779915]]
[[0.20395422]
[0.37115822]
[0.31757767]
...
[0.35634089]
[0.14328783]
[0.05060458]]
[[0.11413159]
[0.12504728]
[0.35584171]
...
[0.29432869]
[0.26148715]
[0.01728935]]
...
[[0.79164696]
[0.82927475]
[0.85500298]
...
[0.92338428]
[0.85806704]
[0.84661379]]
[[0.84514599]
[0.84489861]
[0.83706579]
...
[0.88288698]
[0.93380604]
[0.91127529]]
[[0.89363098]
[0.93184776]
[0.86745167]
...
[1. ]
[1. ]
[1. ]]
以下是訓練部分完整程式
result=np.load('specarc_128640_8442.npz')
spl=result['spec']
tid=result['trackgenre']
#Onthot Encoding
from sklearn.preprocessing import LabelEncoder
enc = LabelEncoder()
temp=tid
enc.fit(temp)
temp=enc.transform(temp)
print(temp)
from sklearn.preprocessing import OneHotEncoder
ohe=OneHotEncoder()
encoded=ohe.fit(temp.reshape(-1,1))
temp=encoded.transform(temp.reshape(-1,1)).toarray()
print(temp)
print('length:',len(temp))
#給定特徵值&標籤
labels = temp
Features = spl
x_train = Features[:8000]
y_train = labels[:8000]
x_test = Features[8000:]
y_test = labels[8000:]
x_train=np.abs(x_train)
x_test=np.abs(x_test)
x_train = x_train.reshape(8000,128,646,1)/80
x_test = x_test.reshape(442,128,646,1)/80
print(x_train.shape)
print(x_train[0].shape)
print(x_train[0])
model = Sequential()
model.add(Conv2D(16, kernel_size=(5,5),
activation='relu',kernel_initializer='random_uniform',
input_shape=(128,646,1)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(BatchNormalization())
model.add(Conv2D(8, kernel_size=(5,5), activation='relu',
kernel_initializer='random_uniform', input_shape=(64,321,1)))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(BatchNormalization())
model.add(Flatten())
model.add(Dense(16, activation = 'relu'))
model.add(Dropout(0.5))
model.add(Dense(9, activation = 'softmax'))
opt=optimizers.Adam(learning_rate=0.001, beta_1=0.9, beta_2=0.999,
amsgrad=False)
model.compile(loss='categorical_crossentropy', optimizer=opt,
metrics=['accuracy'])
print(model.summary())
=====================================================================
(以下原文)
大家好~
我目前在嘗試用CNN來做圖片的分類,不過遇到了一個問題
就是訓練出來的模型,只會output同一個結果,因此準確度極低
我的資料集總共有9類,每類包含一千張圖片,每張圖片大小是128*646
我的程式碼和訓練結果如圖
https://i.imgur.com/j5t84k1.png
(圖裡左下角是實際標籤跟預測的值)
可以看到不管input是什麼,模型output的值都一模一樣
但同一個模型在跑MNIST這個資料集的分類時,是有九成五的效果
不曉得是哪裡出了問題...
我總共嘗試過更改:
初始化方法、最佳化方法、損失函數、或是跑更多個epoch但結果都一樣
不過當我:
把kernel數量設為1 或是把激發函數設為tanh的時候,預測的值就會不同了
(但準確度只能達到兩三成而已)
1.我覺得很疑惑的地方是為什麼kernel數為1時 模型看起來比較有在學習
2.我的圖片中的值的範圍在0~80,都是正數,為何用tanh會避免單一預測結果
(不過可以觀察到tanh的預測結果仍是偏向某個類別)
爬過很多stackoverflow的問題都沒有找到可以解決的方法...
在這裡向大家請教~希望有人可以解惑
另外先謝謝大家的回答!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.223.102.205 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1585225821.A.D46.html
→ watashino: 你model太小了吧,mnist圖大小也才28x28x1 03/26 21:59
→ watashino: 你光是圖片的一個邊都比他大了 03/26 21:59
→ watashino: 另外你說圖片的值都在0到80之間,建議還是做一下normal 03/26 21:59
→ watashino: ization吧就算只是除80意思一下也會好很多 03/26 21:59
→ watashino: 還有就是你的模型長得大概跟你想得不太一樣,基本的東 03/26 21:59
→ watashino: 西先看熟吧 03/26 21:59
感謝建議~
已經有做過/80,結果是一樣的(只會預測單一類別)
另外不太確定W大所謂的太小是指層數太小還是?
目前使用的模型是參考別人分享同資料集的架構,input大小是128*646,
原模型filter數量是很多,但會有單一結果的問題,
所以我才將filter數減少,發現僅在只有1個filter的時候,預測的類別會不一樣
主要是不太理解為何有這樣的現象
→ watashino: 欸對還有,model連train起來都有問題了不要dropout 03/26 22:00
好的~我再嘗試看看
→ zax5566x2: 你input圖片蠻大的,可以調大filter試試看吧 03/26 22:04
→ zax5566x2: 我說的是filter數量 03/26 22:05
謝謝建議不過目前的狀況是filter>1的時候,會讓模型變成無論input為何,
output都是同一個值
有試過無論是4,32,56或更大,都會導致這個結果...
希望大大有理解我的問題
另filter數量1這件事情我將他理解為,只能對圖片產生1種特徵的判別,所以效果當然
不會多好,不曉得有沒有誤會?
※ 編輯: chuneee (61.223.102.205 臺灣), 03/26/2020 23:29:19
※ 編輯: chuneee (61.223.102.205 臺灣), 03/26/2020 23:32:44
→ watashino: 建議先去翻翻書吧 03/27 01:34
→ watashino: 或看看李弘毅 03/27 01:34
推 karco: 我覺得需要標準化,filter數量也可以調大一點,可以去了解 03/27 02:37
→ karco: filter移動的原理,因為你圖片的長寬不同,所以可以去自己 03/27 02:37
→ karco: 調一下size然後加深一點的效果應該會好一點 03/27 02:37
→ Starcraft2: 推李弘毅 可以跟3月剛開始的ML課程 還有看他之前 03/27 04:06
→ Starcraft2: youtube channel上的影片集 03/27 04:06
→ Starcraft2: 林軒田的課也推薦 不過比較從數學跟統計的角度切入 03/27 04:07
感謝大家的提供~
其實這方面已經有仔細閱讀過幾本Oreilly的書,但會找時間再好好再補一下的
另外是不是我表達能力有問題,大家好像不太理解我的癥結點?
目前的狀況是
1.圖片已經進行標準化
2.filter數量只要設超過1,模型就只會預測同一結果
還是希望有大大能針對這個部分解釋,感謝
※ 編輯: chuneee (61.223.102.205 臺灣), 03/27/2020 09:07:08
推 empireisme: 不如請妳把程式碼和dataset貼上來 03/27 11:02
→ empireisme: 這樣大家要改也比較好改 03/27 11:02
好的~已補上,希望有幫助
※ 編輯: chuneee (61.223.102.205 臺灣), 03/27/2020 12:43:05
※ 編輯: chuneee (61.223.102.205 臺灣), 03/27/2020 12:43:58
推 watashino: 我再強調一次 你應該不知道自己每一層的output shape 03/27 14:36
→ watashino: 是甚麼 03/27 14:36
→ watashino: 你conv接linear那邊從10000多維直接降到16維我不確定是 03/27 14:36
→ watashino: 不是導致了這個原因,可以修的地方很多所以才建議你先 03/27 14:36
→ watashino: 翻書或者是找一個好一點的model跟著做做看 03/27 14:36
推 Ryspon: 把第二個 Conv2D 的 input shape 拿掉試試看 03/28 03:27
感謝提供調整方向,的確在inputshape的部分有點問題,雖然詳細還在重看
但因為我另外還有遇到某些時候padding會有問題,避免Error似乎把模型改的有點問題
換成另一個build model的方法(不使用.add)並加大kernel數量後
就可以正常學習跟預測了,感謝大家的幫助
※ 編輯: chuneee (36.234.135.138 臺灣), 03/29/2020 21:54:39