![](/img/trans.png)
[英]High training accuracy, low validation accuracy CNN binary classification keras
[英]Keras CNN training accuracy is good but test accuracy is very low
請給我有關這些CNN結果的任何評論。 我已經使用了2000個訓練圖像和400個測試圖像。 訓練精度是完美的,但測試精度卻很低。 我認為是因為訓練圖像和測試圖像之間存在很大差異。 有人對此案有個好主意嗎?
[ ]
這顯然是過度擬合的情況。 您有多少個可學習的參數? 例如,VGGnet具有138M參數,在這種情況下,很難看到網絡中的某些神經元必須已經記住了某種訓練圖像,因此您的網絡不能很好地概括。
要解決此問題,首先,如果任務很簡單(例如區分shape),則可以嘗試使用更簡單的模型 。 此外,您還可以通過交換顏色通道(如果不影響輸出類),翻轉或旋轉圖像等變換來增加訓練數據,以使網絡更全面。 在損失函數中包括L1 / L2正則化,然后嘗試輟學。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.