machine-learning - Keras:使用批量归一化在同一数据集上的不同训练和验证结果

即使我使用相同的数据集，我在训练上的分类也很高，但在验证上的分类却很低。仅当使用批处理规范化时，才会出现此问题。我执行正确吗？

使用批处理规范化的代码：

train_datagen = ImageDataGenerator(rescale=1. / 255)
train_generator = train_datagen.flow_from_directory(
directory = '../ImageFilter/Images/',
target_size=(img_rows, img_cols),
batch_size=batch_size,
class_mode='categorical',
shuffle=True)

model = Sequential()

model.add(Convolution2D(16,
kernel_size=(3, 3),
strides=(2,2),
activation='relu',
input_shape=(img_rows, img_cols, 3)))
model.add(BatchNormalization())
model.add(MaxPooling2D((2,2), strides=(2,2)))

model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dense(2, activation='softmax'))

model.compile(loss='categorical_crossentropy',
optimizer='adam',
metrics = ['accuracy'])
epochs = 100
patience = 6
n_images = 91
file_path = 'imageFilterCNN.hdf5'

checkpointer = ModelCheckpoint(file_path, monitor='val_acc', verbose=0, save_best_only=True)
earlystop = EarlyStopping(monitor='val_acc', patience=patience, verbose=0, mode='auto')
tboard = TensorBoard('./logs')

model.fit_generator(
train_generator,
steps_per_epoch=n_images// batch_size,
epochs=epochs,
callbacks=[checkpointer, earlystop, tboard],
validation_data=train_generator,
validation_steps=n_images// batch_size)

  输出：
  纪元15/100 11/11 [==============================]-2秒-亏损：0.0092-累计：1.0000-
  val_loss：3.0321-val_acc：0.5568

最佳答案

您正在第一层（输入）上应用批处理规范化，这很可能是一个错误。你为什么要这样做？您的输入是图像，并且您非常了解如何规范化输入-实际上，这就是您在第一行中所做的。再次应用规范化是没有意义的。

批量归一化应用于隐藏层，以使数据不会变得太大或太小。没有简单，通用的方法来执行此操作，因此Sergey Ioffe and Christian Szegedy引入了这一特殊层。