社区
其他开发语言
帖子详情
卷积神经网络训练集准确率升高到40%,Loss一直保持在34左右是什么原因啊?
SHBESW
2020-06-29 01:54:49
卷积网络如下:(我是个小白,不太会
)
...全文
962
回复
打赏
收藏
卷积神经网络训练集准确率升高到40%,Loss一直保持在34左右是什么原因啊?
卷积网络如下:(我是个小白,不太会)
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
训练集
准确率
很高,验证集
准确率
低问题
训练集
在训练过程中,
loss
稳步下降,
准确率
上升,最后能达到97% 验证集
准确率
没有
升高
,
一直
维持在50%
左右
(二分类问题,随机概率) 测试集
准确率
57% 在网上搜索可能打的
原因
: 1.learning rate太小,陷入局部最优 2.
训练集
和测试集数据没有规律 3.数据噪声太大 4.数据量太小(总共14
40
个样本,80%为
训练集
) 5.
训练集
和测试集数据分布不同:如
训练集
正样本太少(
训练集
和测试集每次运行随机选择,故排除) 6.数据集存在问题,如标注有问题(采用公开数据集,排除) 7.学习率过大 8.模型
神经网络验证集
loss
上升,神经网络验证集作用
第二层是hidden layer,我们设置它的neurons有n个,上图中n=15 第三层是output layer,它有10个neurons(因为数字无非就是0~9),并且我们假定,如果第一个neuron被激活,ouput=1,那么就说是被到的数字为0,以此类推。所谓感受野,即一个像素对应回原图的区域大小,假如没有pooling,一个3*3,步长为1的卷积,那么输出的一个像素的感受野就是3*3的区域,再加一个stride=1的3*3卷积,则感受野为5*5。可以达到降低模型的规模,加速训练的目的。
卷积神经网络
CNN
转载自:https://blog.csdn.net/weixin_
40
645361/article/details/105018944(作者:一只懒猪猪) Part One.
卷积神经网络
的基本原理 一、
卷积神经网络
的基本结构 对于一个输入图像,进行卷积操作,得到一个特征图像feature map的一个值(紫色部分),然后通过滑动卷积核对图像上的不同的区域做处理,可以得到这个特征图1。这个特征图1,就是对原始的图像通过卷积操作和激活函数这样的处理得到的。然后这个特征图1可以通过池化层pooling,然后
基于
卷积神经网络
的图像分类
目录 一、常用的
卷积神经网络
概述 二、基础的神经网络 三、
卷积神经网络
四、AlexNet 五、NiN 六、VGG 七、GoogleNet 1、Inception V1 2、Inception V2 3、Inception V3 4、Inception V4 八、ResNet 九、ResNeXt 十、性能比较 十一、CNN的设计准则 一、常用的
卷积神经网络
概述 ...
损失率下降,但是
准确率
却提升慢或
准确率
结果不高
问题
原因
: 学习率设置太高,一个epoch直接收敛,所以损失不会下降。又没有设置防止过拟合的比如学利率一开始设置为1,因为下降太快,那么很有可能在一个epoch旧完全收敛。所以看到的validation数值并不下降,第一个epoch就已经处于谷底了。 最常见的
原因
:过拟合。主要包括:数据量小,网络复杂, learning rate 比较高,又没有设置任何防止过拟合的机制 解决方法: 简化模型,且进行数据增强,如:翻转,平移,随机裁剪等 利用 dropout层 利用正则化normalization 没有
其他开发语言
3,424
社区成员
15,635
社区内容
发帖
与我相关
我的任务
其他开发语言
其他开发语言 其他开发语言
复制链接
扫一扫
分享
社区描述
其他开发语言 其他开发语言
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章