TensorFlow搭建的CNN训练时未使用全部训练图像的问题咨询

1. 日志中57/57的含义 #

这个数值代表训练过程的批次数（batch count），不是用到的图像数量。TensorFlow的model.fit()默认批大小（batch_size）为32，你的总训练样本数是1809，计算得：1809 ÷ 32 ≈ 56.53，向上取整后就是57个批次，所有1809张图像已经全部参与了当前epoch的训练，不存在只用到57张的情况。

2. loss为0、准确率异常的原因及修复方案 #

你当前的问题核心是模型结构、损失函数和分类任务不匹配，具体问题和调整方法如下：

• 输出层配置错误：你做的是3分类任务，输出层神经元数应该和类别数一致，你当前设置为1个神经元，softmax作用在单个神经元上输出永远为1，导致损失计算完全失效，出现loss恒为0的异常表现。
• 损失函数与标签格式不匹配：你的标签behaviour是0/1/2的整数格式，使用categorical_crossentropy要求标签先做One-Hot编码，如果你不想转编码，可以直接替换损失函数适配整数标签。

3. 调整后的代码示例 #

修正输出层： #

# 把原来的输出层替换为以下代码
model.add(layers.Dense(3, activation = 'softmax'))

修正编译配置： #

model.compile(optimizer='adam',
              loss=tf.keras.losses.SparseCategoricalCrossentropy(),
              metrics=['accuracy'])

可选：显式指定batch大小（方便自定义批次数量） #

如果你想要调整每批的样本数，可以在fit时显式传入batch_size参数，比如设置为16的话，总批次就会变成1809/16≈114：

history = model.fit(image_list, behaviour, epochs=5, 
                    batch_size=32, # 可自定义调整
                    validation_data=(image_list, behaviour), verbose = 1)

内容的提问来源于stack exchange，提问作者john