社区
CUDA高性能计算讨论
帖子详情
做图像分类的时候,loss不降
_Raymond_
2021-04-08 10:41:40
二分类。损失=In2=0.69。
五分类。损失=In5=1.60。
损失函数是交叉熵。
torch 架构。
网络是vgg 16。
试了一下网上的方法,不是权重初始化的问题。
大佬们有没有思路。
...全文
869
回复
打赏
收藏
做图像分类的时候,loss不降
二分类。损失=In2=0.69。 五分类。损失=In5=1.60。 损失函数是交叉熵。 torch 架构。 网络是vgg 16。 试了一下网上的方法,不是权重初始化的问题。 大佬们有没有思路。
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
python 关于训练集
loss
不降
问题的经验分享
本文探讨了神经网络训练中训练集
Loss
不下降的原因,主要聚焦于标签错误这一常见问题。作者指出,标签错误可能导致模型训练偏离,介绍了由于环境差异导致的代码问题,并提供了修正建议。此外,还提到了随机数种子设置和环境一致性对训练结果的影响。文章总结了避免此类问题的方法,包括使用相同环境、固定随机种子以及明确函数默认参数。
从训练曲线读懂模型状态:train
loss
与val
loss
的实战诊断指南
本文系统讲解如何通过训练损失(train
loss
)和验证损失(val
loss
)曲线分析深度学习模型状态,涵盖过拟合、欠拟合、数据异常等核心问题的识别与应对策略。重点介绍
loss
震荡、
loss
上升但准确率提升等特殊现象的成因,并提供学习率调度、早停机制、Dropout、L2正则化、数据增强等关键技术的实战调参方法。
4.2
图像分类
基本概念和ResNet设计思想
本文深入解析
图像分类
任务及ResNet网络结构,介绍ResNet的设计思想和残差单元,演示如何使用飞桨高层API快速构建并训练ResNet模型。
ResNet50
图像分类
完整实战(Notebook Demo + 训练代码)
本文详细介绍如何使用PyTorch实现ResNet50进行
图像分类
的完整流程,涵盖环境配置、数据加载、模型改造、训练循环及结果可视化等关键步骤。通过清晰的Notebook结构,帮助读者建立标准化深度学习项目的认知框架,并提供可复用的代码模板。
当训练过程中
loss
不下降时,可能的原因有哪些?(面试题200合集,高频、实用)
本文分析了模型训练时
Loss
不下降的原因,涵盖数据层面(如数据量不足、质量差等)、模型架构(如过于简单或复杂)、损失函数与优化器、超参数设置、代码实现与环境以及理论限制等方面,并给出解决思路和系统性调试步骤,还提及面试常见追问点。
CUDA高性能计算讨论
357
社区成员
615
社区内容
发帖
与我相关
我的任务
CUDA高性能计算讨论
CUDA高性能计算讨论
复制链接
扫一扫
分享
社区描述
CUDA高性能计算讨论
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