我是否应该继续训练我的 model 以获得更好的 R 平方值？

Question

这是我的 model，使用 Adam 优化器和 0.0001 的 lr。

这是下面的训练和验证损失 plot：

mse=0.049，r2=70.3%。 我的问题是我在训练 model 中包含的图像越多，它变得越糟糕，但是 mse 和 r2 会增加，所以这是非常违反直觉的。 这是使用 Nvidia 的 Model 的回归 model。 我输入图像并需要一个转向角 output。 通过增加数据和时代，我是否真的让事情变得比需要的更困难？ 我只用 1600 张图像训练 30 个 epoch。 将感谢专家的任何建议，因为我对 NN 来说相对较新。如果需要，将提供更多详细信息，谢谢：)

Answer 1

观察显示训练和验证损失结果的图表，我们可以看到在12 epochs （或多或少）之后，验证值不会随着 epoch go 的增加而提高太多。 我认为最合乎逻辑的事情是寻找验证/训练损失没有太大改善的值。

还请记住，不要将 model 过度拟合到训练数据中，这很重要，因为这可能会在验证时导致错误。 希望我的回答对你有所帮助。 祝你好运！