Сверточная нейронная сеть получает неожиданно высокую точность проверки. Что может быть причиной этого? ⇐ Python

[Anonymous]

Я создаю/оптимизирую CNN для классификации автомобилей из этого набора данных.
Моя базовая модель получает удивительно высокую точность благодаря очень простой архитектуре модели. Меня беспокоит утечка данных из-за отсутствия загрузки данных. правильно, поэтому хотел бы получить совет.
Загрузка набора данных

Код: Выделить всё

batch_size = 16
img_size = (64, 64)

train_dataset, val_dataset = tf.keras.utils.image_dataset_from_directory(
data_dir,
label_mode='categorical',
seed=1,
subset='both',
validation_split=0.2,
image_size=img_size,
batch_size=batch_size,
)

normalization_layer = Rescaling(1./255)

train_dataset = train_dataset.map(lambda x, y: (normalization_layer(x), y))
val_dataset = val_dataset.map(lambda x, y: (normalization_layer(x), y))

Построение модели

Код: Выделить всё

def baseline_model(input_shape=[64, 64, 3]):
model = Sequential([

# 1st Conv Layer
Conv2D(filters=16, kernel_size=(3, 3), activation='relu', padding='valid', input_shape=input_shape),
# Pool Layer
MaxPooling2D((2, 2)),
# 2nd Conv Layer
Conv2D(filters=32, kernel_size=(3, 3), activation='relu', padding='valid'),
# Pool Layer
MaxPooling2D((2, 2)),
# Flatten
Flatten(),
# Fully connected layer
Dense(64, activation='relu'),
Dense(5, activation='softmax')
])
model.compile(optimizer='rmsprop',
loss='categorical_crossentropy',
metrics=['accuracy', Precision(name='precision'), Recall(name='recall')])
return model

baseline_model = baseline_model()

Подходящая модель

Код: Выделить всё

history = baseline_model.fit(
train_dataset,
epochs=10,
validation_data=val_dataset,
#callbacks=[ConfusionMatrixCallback(val_dataset, class_names)]
)

plot_training_history(history)

Подробнее здесь: https://stackoverflow.com/questions/793 ... accuracy-w