[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。
訓練精度高，驗證精度低 CNN二元分類 keras
[英]High training accuracy, low validation accuracy CNN binary classification keras
部署 CNN：訓練和測試准確度高，但預測准確度低
[英]Deploying a CNN: High training and test accuracy but low prediction accuracy
在 Tensorflow 中使用 Keras 的非常簡單的 CNN model 精度太低
[英]Accuracy too low with very simple CNN model using Keras in Tensorflow
LSTM CNN訓練和測試准確性相同，但預測概率較低
[英]LSTM CNN training and test accuracy are same with low prediction probability
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.
