Keras CNN手写单词分类模型准确率极低问题求助

一、模型结构问题 #

1. 池化层尺寸过大：第二个MaxPooling2D(pool_size=(9,9))把特征图压缩得过于严重。经过计算，第一层卷积+池化后特征图约为47×24，第二层卷积后是44×21，再用9×9池化后只剩4×2的特征图，大量手写单词的细节特征（比如笔画走向、结构）被丢弃，模型根本无法学习到有效分类特征。
2. 激活函数选择不当：中间全连接层Dense(128, activation="sigmoid")使用sigmoid激活函数，容易引发梯度消失问题，阻碍特征向输出层传递，影响模型收敛。

二、参数设置问题 #

• 学习率过高：Nadam优化器的默认学习率是0.001，你设置的0.01是默认值的10倍，过大的学习率会导致模型参数更新步幅太大，训练过程中损失和准确率震荡，无法稳定收敛到最优解。

三、潜在的数据集/预处理问题 #

1. 缺乏数据增强：手写单词存在书写风格、角度、位置的差异，仅用原始数据集训练，模型泛化能力不足，容易出现过拟合或无法适配不同手写样本的情况。
2. 图像预处理缺失：代码中未提及是否对图像做归一化（比如将像素值从0-255缩放到0-1），不一致的数据分布会干扰模型学习。
3. 数据集质量隐患：自制数据集可能存在标注错误、模糊/过曝的无效图像，或者训练/验证集划分不合理（比如未分层抽样，导致某类样本在验证集中占比失衡）。

解决建议 #

模型结构调整 #

• 缩小第二个池化层的尺寸，比如改为MaxPooling2D(pool_size=(2,2))或(3,3)，保留更多特征细节。
• 将Dense(128, activation="sigmoid")的激活函数换成relu，避免梯度消失。
• 可在全连接层之间添加Dropout(0.5)层，抑制过拟合；也可以增加1-2层卷积层，提升特征提取能力（比如添加Conv2D(128, kernel_size=(3,3), activation="relu")+小池化）。
• 卷积核优先选择3×3的尺寸，这是计算机视觉中最常用的局部特征提取核，效果更稳定。

参数优化 #

• 将Nadam的学习率调整为0.001（默认值），如果还是收敛慢，可进一步降到0.0001尝试。
• 可切换到Adam优化器测试，对比不同优化器的收敛效果。

数据集与预处理优化 #

• 对图像做归一化处理：在加载数据时将像素值除以255，统一输入数据范围。
• 添加数据增强：使用ImageDataGenerator对训练集做随机小角度旋转（±10°）、水平平移、缩放、轻微噪声扰动等操作，提升模型泛化能力。
• 检查数据集：逐一核对标注是否正确，清理模糊、无效的图像；采用分层抽样划分训练/验证集（比如8:2比例），保证每个类别在两个集合中的分布一致。

内容的提问来源于stack exchange，提问作者jnano