关于#神经网络#的问题

Question

我有两百多张图片和对应的力学数据，我想通过神经网络对图像进行训练，得出对应的力学数据，图片和数据如下图

所有数据在1-1w之间，所以我的归一化方式是数据/1w，损失函数用的mae，lr为1e-3
我使用keras.applications包中的模型对数据集进行训练
目前的问题是，不管什么模型，在训练集和验证集上的损失值都能降到0.1左右，在可接受范围内。但是往往实际预测时准确率却很低，不是和实际相差很大，就是就集中在很小的范围，似乎神经网络并没有学习到什么。如下图

我想知道问题出在哪里，是因为图片相似度太高？还是数据量太少，或者是其他原因？希望大家能给我一些思路或者指出我的问题所在，不胜感激！

Answer 1

我没看懂你这个数据转换关系，比如你怎么从图片到你的表格值？是有什么特定的计算方式还是你想直接让resnet提取特征然后给特征赋值？我不认为这是一种很好的方案，你的损失函数是什么？你这个没定好，模型根本无法确定图像上面的那种特征对于结果的影响比较大，能尽量学习那个特征，这就会导致你同一张图片，随便变动一些像素值，少量的就行，从原图上面看不出来有什么区别，但是你的结果就是差距很大。