我是否應該繼續訓練我的 model 以獲得更好的 R 平方值？

Question

這是我的 model，使用 Adam 優化器和 0.0001 的 lr。

這是下面的訓練和驗證損失 plot：

mse=0.049，r2=70.3%。 我的問題是我在訓練 model 中包含的圖像越多，它變得越糟糕，但是 mse 和 r2 會增加，所以這是非常違反直覺的。 這是使用 Nvidia 的 Model 的回歸 model。 我輸入圖像並需要一個轉向角 output。 通過增加數據和時代，我是否真的讓事情變得比需要的更困難？ 我只用 1600 張圖像訓練 30 個 epoch。 將感謝專家的任何建議，因為我對 NN 來說相對較新。如果需要，將提供更多詳細信息，謝謝：)

Answer 1

觀察顯示訓練和驗證損失結果的圖表，我們可以看到在12 epochs （或多或少）之后，驗證值不會隨着 epoch go 的增加而提高太多。 我認為最合乎邏輯的事情是尋找驗證/訓練損失沒有太大改善的值。

還請記住，不要將 model 過度擬合到訓練數據中，這很重要，因為這可能會在驗證時導致錯誤。 希望我的回答對你有所幫助。 祝你好運！