CNN在訓練時，loss一直下降，但準確率一直非常低而且不提高怎麼辦？
1、檢查Dataloader，訓練集和測試集的處理方式是否一樣。（比如會不會一個數據集歸一化了，另一個沒有。）可以列印一下訓練集的正確率看看。
像你這種明顯異常的，檢查代碼最重要，大概率就是數據處理、解析輸出時候哪裡寫錯了。
2、訓練集25個類別分布如何？是否是有偏數據集？
把456那幾個去掉，甚至刪成二分類，然後再看訓練出來的模型是什麼結果。如果還是有問題，那麼問題應當很明顯。
另外可以把自己寫的CNN model用torchvision models里的resnet替代，然後看有沒問題。如果還是有問題，那就說明不是模型寫的不對
你的loss是什麼？BCELoss嗎？
你列印一下你的輸出，是不是都是nan了
謝邀。
1）25個類別，如果未經訓練，acc確實是4%，因為隨機猜嘛，和你截圖吻合，而且應該說明你的數據集各個類別數量的分布應該是均勻的。
大膽猜測：
1）你的激活函數是不是用的relu，2）batchsize過小。導致batch梯度不穩定，因為後面loss不是穩定下降，而是上下變動。
********建議把代碼放出來
1.backbone建議換成resnet 這種比較成熟的網路結構,使用預訓練模型.沒有預訓練模型時學習率不要設置這麼小
2.檢查dataloader標籤數據對不對3.檢查數據集類別是否均勻.
4.torch的dataloder正常來說不需要你自己view到一定 batch-size的,它自己會分好的.5.test之前記得.eval()偶
訓練集的準確率多少
25分類的交叉熵損失，圖裡看起來還是比較高的，最好確保訓練集是完全擬合的。
推薦閱讀：
