求助：cnn网络5分类accuracy、loss曲线这样，存在什么问题？

Crysis-H 2019-02-20 11:54:40

初学tensorflow，网上下载了一堆图片，5分类，每个分类的训练集有3000张图片，测试集100张。总共就是15000训练集，500测试集。图片预处理都是直接resize成224*224。 cnn网络有5个卷积层，3个全连接层，基本参照vgg的结构简化了一下。调整了几次学习率等等超参数，曲线都基本如此。这是最后一次的曲线，学习率0.01，batch为20。猜测是数据集有什么问题，但是检查了label没有错，不知道还有什么没考虑到。哎，搞了三天了，显卡一直在满载，心痛

...全文

1121 4 打赏收藏转发到动态举报

写回复

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

guo mingyu 2020-09-18

打赏
举报

回复 1

验证集分了多少，还是用测试集跑的 accuracy、loss曲线属于通常范畴，但是从曲线上可以看到模型还没有训练到适合区域，加上学习率可能太大导致模型下降过快。建议 1 增加验证集数量 2 加强数据 3 调整学习率找到最适合下降曲线 4 调整模型深度 15000张图片batch为20过于小 5 不知道你怎么设置的打乱顺序的让顺序和batch尽量保持一致不好意思擅自说了一大堆希望有帮助

Nicholas-L 2020-04-27

打赏
举报

回复

可进行数据增强

Nicholas-L 2020-04-27

打赏
举报

回复

可能是训练集的特征不能涵盖测试集的特征

王者灵魂 2019-08-13

打赏
举报

回复 1

loss曲线还是不错的，不过你的曲线严重过拟合了。

出现了2条报错(警告)信息：现在来解决警告信息：【PyTorch教程】04-详解torchvision 0.13中的预训练模型加载的更新及报错的解决方法 (2022年最新)_userwarning: arguments other than a weight enum or-CSDN博客针对第二条报错信息，解释意思为：收到的警告消息来自于PyTorch库，它告诉你关于ResNet18模型的一个即将废弃的参数使用方式。你正在使用一个即将被废弃的方式来指定模型权重，这种方式将在新版本的库中被移除。

转载自：https://blog.csdn.net/jcfszxc/article/details/88902960 ...

一种新的用于6D物体姿态估计的卷积神经网络PoseCNN

在本书中，我们深入到深度学习(DL)的领域，并涵盖了几个深度学习概念以及几个案例研究。这些案例研究的范围从图像识别到推荐系统，从艺术生成到对象聚类。深度学习是更广泛的机器学习(ML)方法家族的一部分，基于具有表示学习的人工神经网络(ann)。这些神经网络模仿人类的脑细胞，或神经元，进行算法学习，它们的学习速度比人类的学习速度快得多。几种深度学习方法为不同类型的机器学习问题提供了解决方案:(I)监督学习，(ii)非监督学习，(iii)半监督学习，以及(iv)强化学习。

本文将以图像分类为例来解释卷积神经网络(CNN)。它使用 Python 上的 PyTorch 框架提供了 CNN 算法的简单实现。网上有很多免费的课程。个人建议斯坦福的安德烈·卡帕西(@卡帕西)的课程。你会学到很多，这是一个循序渐进的过程。此外，它还提供了许多实现 CNN 架构的实用策略。[## 用于视觉识别的 CS231n 卷积神经网络在深入研究卷积神经网络之前，有必要了解一下它们的概念。CNN 属于监督算法的范畴。该算法从训练数据中学习，例如，输入中的一组图像和输出中的它们的相关标签。

37,743

社区成员

34,212

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章