Tensorflow 模型精度

Question

我的模型已經在 36 個類別的一組 29K 圖像上進行了訓練，並在 7K 圖像上進行了驗證。 該模型的訓練准確度為 94.59%，驗證准確度為 95.72% 它是為數字和字符的 OCR 創建的。 我知道用於 36 類訓練的圖像數量可能不夠。 我不確定從這些結果中推斷出什么。

問題：這是一個好的結果嗎？ 測試准確度應該總是大於訓練准確度嗎？ 我的模型是否過擬合？

問題：我如何知道我的模型是否過度擬合？ 我假設非常高的訓練精度和非常低的測試精度會表明這一點嗎？

Answer 1

1. 95% 對 36 個班級來說相當不錯。 如果您的驗證准確度高於訓練准確度，您就是欠擬合。 您可以運行一些時期，直到你的訓練精度比驗證精度高一點。
2. 確切地說，如果訓練准確率要高得多，那么你就是過擬合了。

Answer 2

1. 訓練准確度應始終高於測試准確度/驗證准確度。 這是因為您的模型必須適用於它提供的數據才能預測未知數據。 但是，它有時也會發生，原因可能是 a. 測試不是隨機選擇的，或者是隨機選擇的，但結果證明是有利的（巧合）。 灣您的模型非常籠統，並與第一個問題相結合。

2. 首先檢查學習曲線，您的情況很少見，其中訓練精度較小。 解決方案可能是更多數據或更復雜的模型或更多個時期（欠擬合的解決方案）