我的目标是训练一个卷积神经网络来识别mnist手语数据集中的图像。以下是我处理数据和训练模型的尝试

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport osimport cv2import randomfrom keras.models import Sequentialfrom keras.layers import Conv2D, MaxPooling2D, Activation, Dropout, Flatten, Denseimport cv2import kerasimport sysimport tensorflow as tffrom keras import optimizersimport jsontrain_df = pd.read_csv("data/sign_mnist_train.csv")test_df = pd.read_csv("data/sign_mnist_test.csv")X = np.array(train_df.drop(["label"], axis=1))y = np.array(train_df[["label"]])X = X.reshape(-1, 28, 28, 1)X = tf.cast(X, tf.float32)model = Sequential()model.add(Conv2D(28, (3,3), activation = 'relu'))model.add(MaxPooling2D((2,2)))model.add(Flatten())model.add(Dense(24, activation = 'softmax'))model.compile(optimizer='RMSprop',              loss='binary_crossentropy',              metrics=['accuracy'])model.fit(X, y, epochs=10, validation_split=0.2)

运行上述代码后，我得到了以下结果

Epoch 1/10687/687 [==============================] - 4s 6ms/step - loss: 174.9729 - accuracy: 0.0438 - val_loss: 174.6281 - val_accuracy: 0.0382Epoch 2/10687/687 [==============================] - 2s 3ms/step - loss: 174.9779 - accuracy: 0.0433 - val_loss: 174.6281 - val_accuracy: 0.0382Epoch 3/10687/687 [==============================] - 2s 3ms/step - loss: 174.9777 - accuracy: 0.0433 - val_loss: 174.6281 - val_accuracy: 0.0382

这种情况在剩余的7个周期中持续存在。我的模型与我提供的略有不同（为了简洁），但这个顺序模型也有相同的问题，这让我怀疑问题一定出现在model = Sequential()这一行之前。此外，我已经尝试了无数次优化器/损失的组合，所有这些只是让准确率/损失收敛到稍微不同的数字，所以我怀疑这不是问题所在。

回答：

一个潜在的原因是您使用了loss='binary_crossentropy'而不是loss='CategoricalCrossentropy'。

此外，您定义了用于训练和测试的数据集拆分，但您又定义了model.fit(X, y, epochs=10, validation_split=0.2)来将数据集拆分为20%用于验证，80%用于训练。