CNN训练时model.fit的validation dataset仅首次生效如何修复

问题根源 #

你在model.fit方法中手动指定了validation_steps=50，而你的验证集总样本仅127条，默认训练batch size为32的情况下，整份验证集只需要4步就能完成全部迭代。第一轮验证时已经将所有验证数据消耗完毕，后续轮次没有剩余的验证数据可用于评估，因此不会输出正常的验证结果。

修复方法 #

• 直接删除validation_steps=50参数即可。当validation_data传入的是numpy数组而非迭代器类型的数据集时，Keras会自动计算需要的验证步数，无需手动指定，修改后的训练代码如下：

history = model.fit(train_image, train_label,
                    epochs=100,
                    validation_data = (val_image, val_label),
                    verbose=2)

• 如果你需要保留该参数，可将数值调整为小于等于验证集总步数的合理值，例如validation_steps=4，但更推荐直接删除该参数避免手动计算出错。

额外优化建议 #

• 当前设置的学习率lr=0.001对于小样本数据集来说偏高，可考虑调低到1e-4，或者替换为Adam优化器，收敛稳定性会更好。
• 输入图像尺寸设置为255不是2的幂次，适配卷积、池化层的计算效率不如256，可在数据预处理阶段将图像统一resize到256*256，提升训练效率。

内容的提问来源于stack exchange，提问作者엄태선