图像 classification 与单个 class 数据的训练和验证准确性是错误的，想要解决这个问题
The train and validation accuracy of image classification with single class data are wrong and want to fix this
我已经构建了一个图像 classification 程序，使用 32 个图像用于训练，16 个图像用于验证，批量大小为 16 和 10 个时期。
我使用 ImageDataGenerator(rescale=1./255).flow_from_directory（图像路径和其他参数）来训练和验证图像。
我想class确定 1 个类别或单个 class 上的图像。
但是当我用 model.fit_generator（有铰链损失，并使用优化器 - 'rmsprop' 和 'Adam'）为 keras sequential() 模型编译程序时，我得到的输出是是训练和验证精度在第一个时期接近 1，而对于剩余时期，训练和验证准确度与 1 相同。
请发送答案，我如何修复训练准确度和验证准确度的输出，从 .63 或类似开始，并在每个时期逐渐增加 6% 到 10%。
另外，我想训练和验证 1 个或单个 class 的图像。
如果您需要有关此程序的更多详细信息，请发表评论。
考虑到您使用的是深度学习，32 张图像对于任何图像 classification 来说都是非常少的。
所以这种行为是预料之中的，因为您的图像非常少，它适合所有人第一个时代本身的图像。所以精度不会逐渐增加。
如果可以的话，添加更多图像并尝试一些增强技术来增加训练集。此外，由于您正在进行二进制 class 化，因此您还必须包括负面示例（不属于您的 class 的图像）。
我已经构建了一个图像 classification 程序，使用 32 个图像用于训练，16 个图像用于验证，批量大小为 16 和 10 个时期。
我使用 ImageDataGenerator(rescale=1./255).flow_from_directory（图像路径和其他参数）来训练和验证图像。
我想class确定 1 个类别或单个 class 上的图像。
但是当我用 model.fit_generator（有铰链损失，并使用优化器 - 'rmsprop' 和 'Adam'）为 keras sequential() 模型编译程序时，我得到的输出是是训练和验证精度在第一个时期接近 1，而对于剩余时期，训练和验证准确度与 1 相同。
请发送答案，我如何修复训练准确度和验证准确度的输出，从 .63 或类似开始，并在每个时期逐渐增加 6% 到 10%。
另外，我想训练和验证 1 个或单个 class 的图像。
如果您需要有关此程序的更多详细信息，请发表评论。
考虑到您使用的是深度学习，32 张图像对于任何图像 classification 来说都是非常少的。
所以这种行为是预料之中的，因为您的图像非常少，它适合所有人第一个时代本身的图像。所以精度不会逐渐增加。
如果可以的话，添加更多图像并尝试一些增强技术来增加训练集。此外，由于您正在进行二进制 class 化，因此您还必须包括负面示例（不属于您的 class 的图像）。