python之Tensorflow:损失和准确度曲线表现出相似的行为

我正在使用 Keras 和 Tensorflow 后端来训练经过修改的 Resnet-50，它将对象分为 15 个类别。我正在使用 Adam 优化器，我尝试了 0.001 和 0.01 的学习率，但得到了相似的结果。

我面临的问题是损失和准确性都表现出相似的行为(在训练和验证数据集中)。它们在相似的时间上升或下降，我希望随着损失的减少而获得更高的准确度。是什么导致了这种行为？

这是我上次运行的一些 Tensorboard 曲线:

编辑: 该模型的代码如下:

#Model creation: 
def create_model(possible_labels): 
    rn50 = ResNet50(include_top=True, weights=None) 
    layer_name = rn50.layers[-2].name 
    model = Model(rn50.input,  
            Dense(len(possible_labels))(rn50.get_layer(layer_name).output)) 
    adam = Adam(lr=0.0001) 
    model.compile(loss='categorical_crossentropy',  
            optimizer=adam, metrics=['accuracy']) 
    checkpointer = ModelCheckpoint(filepath='the_best_you_ever_had',  
                             verbose=1, save_best_only=True) 
    tensorboard = TensorBoard() 
    return model, [checkpointer, tensorboard] 
 
model, checkpointers = create_model(labels) 
 
#Dataset generation: 
train_datagen = ImageDataGenerator( 
featurewise_center=True, 
featurewise_std_normalization=True, 
rotation_range=20, 
width_shift_range=0.2, 
height_shift_range=0.2, 
horizontal_flip=True, 
vertical_flip=True, 
channel_shift_range=0.2, 
shear_range=0.2, 
zoom_range=0.2 
) 
 
val_datagen = ImageDataGenerator() 
 
train_generator = train_datagen.flow_from_directory( 
'data\\train', 
target_size=(224, 224), 
batch_size=32, 
class_mode='categorical' 
) 
 
val_generator = val_datagen.flow_from_directory( 
'data\\validation', 
target_size=(224, 224), 
batch_size=32, 
class_mode='categorical' 
) 
 
#Model training: 
model.fit_generator( 
train_generator, 
steps_per_epoch=5000, 
epochs=50, 
validation_data=val_generator, 
callbacks=checkpointers 
) 

请您参考如下方法:

我在我的代码中发现了错误，事实上我只是在我添加的最后一层中使用了默认(线性)激活。我通过在代码中执行此操作将其切换为 softmax 激活(因为它是分类问题而不是回归问题):

model = Model(rn50.input,  
        Dense(len(possible_labels), activation='softmax') 
        (rn50.get_layer(layer_name).output)) 

然后曲线开始按预期运行，我达到了 96% 的准确率。