数据挖掘 - 我将如何改进我的 CNN 模型（Keras）？ - 吾爱随笔录

最近，我阅读了一篇关于使用面部图像进行年龄检测的研究论文。所以现在正因为如此，我正试图通过将 CNN 应用于面部图像数据集（以及他们各自的年龄）来预测他们的年龄（例如 0-10， 11-20、21-30...）。

用于训练和测试

training.shape (50000, 28, 28)
testing.shape (2938, 28, 28)

我试图保持图像小，因为它们可以运行得更快以及使用灰度。对于实际的图层本身，我尽量保持简单，现在，

model = Sequential()
model.add(Conv2D(64, kernel_size=3, activation='relu', input_shape=(28,28,1)))
model.add(Conv2D(32, kernel_size=3, activation='relu'))
model.add(Flatten())
model.add(Dense(10, activation='softmax'))


Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_1 (Conv2D)            (None, 26, 26, 64)        640       
_________________________________________________________________
conv2d_2 (Conv2D)            (None, 24, 24, 32)        18464     
_________________________________________________________________
flatten_1 (Flatten)          (None, 18432)             0         
_________________________________________________________________
dense_1 (Dense)              (None, 10)                184330    
=================================================================
Total params: 203,434
Trainable params: 203,434
Non-trainable params: 0
_________________________________________________________________

编译如下

model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

到目前为止，运行 100 个 epoch 后的最佳准确度是 37.16。这不是很好，但最近我可以访问我的一所学校的 gpu，所以我想修复我做错的任何事情并改进我的模型。在改进模型方面有什么可以推荐的吗？这可能是我第一次尝试这样做。