我想用Tensorflow创建一个能够识别花卉的机器学习模型。我去自然界拍摄了4个不同种类的花的照片（每个种类大约600张，其中一个种类有700张）。

我使用Tensorflow的训练生成器加载这些图片：

 train_datagen = ImageDataGenerator(rescale=1./255,        shear_range=0.2,        zoom_range=0.15,         brightness_range=[0.7, 1.4],         fill_mode='nearest',         vertical_flip=True,          horizontal_flip=True,        rotation_range=15,                         width_shift_range=0.1,         height_shift_range=0.1,             validation_split=0.2)     train_generator = train_datagen.flow_from_directory(        pfad,        target_size=(imageShape[0],imageShape[1]),        batch_size=batchSize,        class_mode='categorical',        subset='training',        seed=1,        shuffle=False,        #save_to_dir=r'G:\test'        )         validation_generator = train_datagen.flow_from_directory(        pfad,         target_size=(imageShape[0],imageShape[1]),        batch_size=batchSize,        shuffle=False,        seed=1,        class_mode='categorical',        subset='validation')

然后我创建了一个简单的模型，像这样：

model = tf.keras.Sequential([                       keras.layers.Conv2D(128, (3,3), activation='relu', input_shape=(imageShape[0], imageShape[1],3)),      keras.layers.MaxPooling2D(2,2),      keras.layers.Dropout(0.5),            keras.layers.Conv2D(256, (3,3), activation='relu'),            keras.layers.MaxPooling2D(2,2),            keras.layers.Conv2D(512, (3,3), activation='relu'),            keras.layers.MaxPooling2D(2,2),           keras.layers.Flatten(),                              keras.layers.Dense(280, activation='relu'),            keras.layers.Dense(4, activation='softmax')    ])            opt = tf.keras.optimizers.SGD(learning_rate=0.001,decay=1e-5)    model.compile(loss='categorical_crossentropy',                  optimizer= opt,                  metrics=['accuracy'])

然后我想开始训练过程（CPU）：

history=model.fit(        train_generator,        steps_per_epoch = train_generator.samples // batchSize,        validation_data = validation_generator,         validation_steps = validation_generator.samples // batchSize,        epochs = 200,callbacks=[checkpoint,early,tensorboard],workers=-1)

结果应该是我的验证准确率有所提高，但它从0.3375开始并在整个训练过程中保持在这个水平。验证损失（1.3737）降低了0.001。准确率从0.15开始但有所增加。

为什么我的验证准确率停滞不前？我使用的损失函数正确吗？还是我的模型构建有问题？我的Tensorflow训练生成器是否对标签进行了独热编码？

谢谢

回答：

我通过使用没有参数的RMSprop()解决了这个问题。

所以我从：

opt = tf.keras.optimizers.SGD(learning_rate=0.001,decay=1e-5)model.compile(loss='categorical_crossentropy',optimizer= opt, metrics=['accuracy'])

改为：

    opt = tf.keras.optimizers.RMSprop()    model.compile(loss='categorical_crossentropy',                  optimizer= opt,                  metrics=['accuracy'])