Keras very low accuracy, don’t know what to do

I am working on a university project. My professor wanted me to work on this “[https://www.kaggle.com/code/paultimothymooney/medical-symptoms-text-and-audio-classification]” project.
He wants me to add ensemble models to this project. I am currently using XGBoost, GBM and VGG16.

XGBoost and GBM works fine but when it comes to VGG16 or CNN or PCENAS I always get low accuracy like this below:

Epoch 1/20 167/167 41s 238ms/step - accuracy: 0.0000e+00 - loss: 11.0473 - val_accuracy: 0.0000e+00 - val_loss: 8.8739 
Epoch 2/20 167/167 40s 238ms/step - accuracy: 0.0000e+00 - loss: 8.7834 - val_accuracy: 0.0000e+00 - val_loss: 8.9999 

I am currently using the code below:

import os
import pandas as pd
import numpy as np
import librosa
import librosa.display
import matplotlib.pyplot as plt
import cv2
import glob
from tqdm import tqdm
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.preprocessing import LabelEncoder, StandardScaler
from sklearn.metrics import accuracy_score, confusion_matrix
import xgboost as xgb
import lightgbm as lgb
from tensorflow.keras.models import Model, load_model
from tensorflow.keras.layers import Input, Dense, Conv2D, MaxPooling2D, Flatten, Dropout, BatchNormalization
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau
from tensorflow.keras.applications import VGG16

# Define constants
OVERVIEW_PATH = r'G:svkpyoverview-of-recordings.csv'
BASE_PATH = r'G:svkpyrecordings'
SPECTROGRAMS_DIR = 'spectrograms'
SUBDIRS = ['test', 'train', 'validate']

# Load CSV file
overview = pd.read_csv(OVERVIEW_PATH)

# Create spectrograms directory
os.makedirs(SPECTROGRAMS_DIR, exist_ok=True)

# Text Data Processing
texts = overview['phrase']
labels = overview['prompt']
vectorizer = TfidfVectorizer(max_features=5000)
X = vectorizer.fit_transform(texts).toarray()

# Encode labels
label_encoder = LabelEncoder()
y = label_encoder.fit_transform(labels)
num_classes = len(np.unique(y))

# Normalize the data
scaler = StandardScaler()
X = scaler.fit_transform(X)

# Split data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Train XGBoost model
xgb_model = xgb.XGBClassifier()
xgb_model.fit(X_train, y_train)

# Evaluate XGBoost model
y_pred_xgb = xgb_model.predict(X_test)
print('XGBoost Accuracy:', accuracy_score(y_test, y_pred_xgb))
print('XGBoost Confusion Matrix:')
print(confusion_matrix(y_test, y_pred_xgb))

# Train GBM model
gbm_model = lgb.LGBMClassifier()
gbm_model.fit(X_train, y_train)

# Evaluate GBM model
y_pred_gbm = gbm_model.predict(X_test)
print('GBM Accuracy:', accuracy_score(y_test, y_pred_gbm))
print('GBM Confusion Matrix:')
print(confusion_matrix(y_test, y_pred_gbm))

# Audio Data Processing
def find_audio_file(filename):
    for subdir in SUBDIRS:
        audio_path = os.path.join(BASE_PATH, subdir, filename)
        if os.path.exists(audio_path):
            return audio_path
    return None

# Convert audio files to spectrograms and save
audio_files = overview['file_name']
for file in tqdm(audio_files):
    audio_path = find_audio_file(file)
    if audio_path:
        try:
            y, sr = librosa.load(audio_path, sr=None)
            S = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128)
            pcen = librosa.pcen(S, sr=sr)
            plt.figure(figsize=(10, 4))
            librosa.display.specshow(pcen, sr=sr, x_axis='time', y_axis='mel')
            plt.colorbar(format='%+2.0f dB')
            plt.title('PCEN spectrogram')
            plt.tight_layout()
            plt.savefig(f'{SPECTROGRAMS_DIR}/{file}.png')
            plt.close()
        except Exception as e:
            print(f"Error processing {audio_path}: {e}")
    else:
        print(f"File not found: {file}")

# Load spectrogram files
spectrogram_files = glob.glob(f'{SPECTROGRAMS_DIR}/*.png')
images = []
labels = []

for file in tqdm(spectrogram_files):
    image = cv2.imread(file)
    image = cv2.resize(image, (224, 224))
    images.append(image)
    label = os.path.basename(file).split('_')[2]
    labels.append(label)

images = np.array(images)
labels = label_encoder.fit_transform(labels)
num_classes_audio = len(np.unique(labels))
labels = to_categorical(labels, num_classes=num_classes_audio)

# Split data into training and testing sets
X_train, X_test, y_train, y_test = train_test_split(images, labels, test_size=0.2, random_state=42)

# Create VGG16 model with transfer learning
base_model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))
x = base_model.output
x = Flatten()(x)
x = Dense(128, activation='relu')(x)
x = Dropout(0.5)(x)
output = Dense(num_classes_audio, activation='softmax')(x)

model = Model(inputs=base_model.input, outputs=output)

# Freeze the layers in the base model
for layer in base_model.layers:
    layer.trainable = False

# Compile the model
model.compile(optimizer=Adam(learning_rate=0.0001), loss='categorical_crossentropy', metrics=['accuracy'])

# Train the model
early_stopping = EarlyStopping(monitor='val_loss', patience=5, restore_best_weights=True)
reduce_lr = ReduceLROnPlateau(monitor='val_loss', factor=0.2, patience=3, min_lr=0.00001)

model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=30, callbacks=[early_stopping, reduce_lr])

# Evaluate the VGG16 model
_, accuracy = model.evaluate(X_test, y_test)
print('VGG16 Transfer Learning Model Accuracy:', accuracy)

# Save the model
model.save('audio_model_vgg16.keras')

# Load saved model
model = load_model('audio_model_vgg16.keras')

# Evaluate saved model
_, accuracy = model.evaluate(X_test, y_test)
print('Saved VGG16 Model Accuracy:', accuracy)

Can someone help me with my problem please? I don't really know about coding this much. Thanks.

I tried using other models which are: VGG16,CNN,RNN,PCENAS,VGG16-LSTM. Results were the same.

New contributor

Giray is a new contributor to this site. Take care in asking for clarification, commenting, and answering.
Check out our Code of Conduct.

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật