训练 CNN 时持续训练和验证准确性

Question

我在一个软件缺陷数据集上运行 CNN，我已使用 Deep Insight 库将其转换为图像。 在 CNN 上训练图像，在每个 epoch 之后，我都见证了持续的训练和验证准确性。 我没有使用任何正则化技术，如 Dropout、Batch Norm 等。除了持续的训练和测试精度外，你们都可以看到 model 存在高偏差和高方差。 如果您能提出一些步骤来帮助我避免获得这些常量值并提高我的 model 精度，我会很高兴。 在此处输入图像描述

Answer 1

看来您已陷入局部最小值。 这很好，但可以解释你已经达到了当前实现的能力极限，有几种方法可以提高准确性。

1. 增加数据集大小：更多的数据通常会导致更好的泛化，从而提高准确性。 数据集应该是 100 到 1000 项的数量级，尤其是对于 CNN。 一种有用的技术是使用图像增强。
2. 增加 model 复杂性：也许您有足够的数据，但 model 不够复杂，无法解决问题。 因此，增加 model 的深度可能会有所帮助。