我尝试使用医学图片数据集（具体来说是LIDC数据集）训练了一个二分类模型，我认为这与“狗与猫”分类问题相差不大（区分良性和恶性结节）。
问题是，准确率似乎从一开始就停滞在65%左右，并且没有任何变化。我是不是做错了什么？我朋友提供的示例轻松达到了80%以上，并且准确率在每个epoch后都有所提高，但我的却没有 :/
我是在已经提取的、尺寸相同且分成两类的图像块上进行训练的。
我使用的是为此任务微调的VGG16模型（我替换了全连接层为新的层，冻结了之前的层并尝试训练）。
我尝试过更改为binary_crossentropy，使用to_categorical，将最后一层的输出节点从1改为2。此时，我对适合我问题的正确参数组合感到困惑。对不起，如果我听起来像一个绝对的初学者…
我尝试跳过了代码中不太重要的部分，希望它是可读的
training_data_dir = "flow/training" validation_data_dir = "flow/validation" test_data_dir = "flow/test" from keras.preprocessing.image import ImageDataGeneratortraining_data_generator = ImageDataGenerator(rescale=1./255)validation_data_generator = ImageDataGenerator(rescale=1./255)test_data_generator = ImageDataGenerator(rescale=1./255)training_generator = training_data_generator.flow_from_directory( training_data_dir, target_size=(IMAGE_WIDTH, IMAGE_HEIGHT), batch_size=BATCH_SIZE, class_mode="binary")validation_generator = validation_data_generator.flow_from_directory( validation_data_dir, target_size=(IMAGE_WIDTH, IMAGE_HEIGHT), batch_size=BATCH_SIZE, class_mode="binary")test_generator = test_data_generator.flow_from_directory( test_data_dir, target_size=(IMAGE_WIDTH, IMAGE_HEIGHT), batch_size=1, class_mode="binary", shuffle=False)vgg16_model = VGG16(weights="imagenet", include_top=False,input_tensor=Input(shape=(57, 57, 3)))vgg16_model.summary()model = Sequential()for layer in vgg16_model.layers:layer.trainable = False model.add(layer)model.add(Flatten())model.add(Dense(4096, activation='relu'))model.add(Dense(1024, activation='relu'))model.add(Dense(1, activation='softmax'))model.compile(loss='binary_crossentropy', optimizer=keras.optimizers.Adam(lr=1e-5), metrics=['accuracy'])model.fit_generator(training_generator, steps_per_epoch=len(training_generator.filenames) // BATCH_SIZE, epochs=EPOCHS, validation_data=validation_generator, validation_steps=len(validation_generator.filenames) // BATCH_SIZE, verbose=2)回答：
由于你有一个单元输出的层和二元交叉熵损失，你应该为最后一层使用sigmoid激活函数；将其更改为：
model.add(Dense(1, activation='sigmoid'))另外，建议至少在开始时将Adam的学习率保持默认，即：
optimizer=keras.optimizers.Adam()在你的model.compile中。
