一般來說，我對(duì) keras、cnn 和深度學(xué)習(xí)相當(dāng)陌生，所以如果解決方案非常簡(jiǎn)單，我非常抱歉。我真的陷入了死胡同。所以，問題是，我有一個(gè) 3D CNN，其輸入數(shù)據(jù)為 50x50x50 的立方體。我想將它們分類為0或1，所以這是一個(gè)二元分類問題。在將其擬合到神經(jīng)網(wǎng)絡(luò)之前，我當(dāng)然準(zhǔn)備了數(shù)據(jù)，對(duì)其進(jìn)行重構(gòu)、調(diào)整大小和標(biāo)準(zhǔn)化。因此，圖像具有可比性（1 體素為 2 毫米），標(biāo)準(zhǔn)化為 0 到 1 范圍且大小相同。因此，當(dāng)我嘗試將數(shù)據(jù)擬合到我的模型中時(shí)，結(jié)果并不那么令人鼓舞。準(zhǔn)確度始終顯示為 0，我在單個(gè) epoch 中獲得的最高準(zhǔn)確度是accuracy: 0.0159，損失始終在 3.2 到 3.5 之間我也改變了 epoch 的數(shù)量，但無論是 5 個(gè)還是 50 個(gè)都沒關(guān)系。結(jié)果總是相同的。這是我的 CNN 架構(gòu)的代碼    model = Sequential()    model.add(Conv3D(64, kernel_size=(5, 5, 5), activation='linear',                     kernel_initializer='glorot_uniform', input_shape=shape))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(Dropout(.25))    model.add(Conv3D(128, kernel_size=(3, 3, 3), activation='linear',                     kernel_initializer='glorot_uniform'))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(MaxPooling3D(pool_size=(3, 3, 3)))    model.add(Dropout(.25))    model.add(Conv3D(256, kernel_size=(3, 3, 3), activation='linear',                     kernel_initializer='glorot_uniform'))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(Dropout(.25))    model.add(Conv3D(512, kernel_size=(3, 3, 3), activation='linear',                     kernel_initializer='glorot_uniform'))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(MaxPooling3D(pool_size=(3, 3, 3)))    model.add(Dropout(.25))    model.add(Flatten())    model.add(Dense(256))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(Dropout(.5))    model.add(Dense(512))    model.add(BatchNormalization(center=True, scale=True))    model.add(LeakyReLU(.1))    model.add(Dropout(.5))    model.add(Dense(256))所以我想問一下，我的架構(gòu)有什么問題嗎？或者您認(rèn)為問題更多出在數(shù)據(jù)方面？我只有 420 張圖像；其中 3/4 用于訓(xùn)練，1/4 用于測(cè)試。這可能是問題所在嗎？當(dāng)基本模型運(yùn)行穩(wěn)定時(shí)，我想稍后增強(qiáng)圖像?；蛘呶冶仨毾冗@樣做？