机器学习模型在测试数据上的表现比验证数据差
机器学习模型在测试数据上的表现比验证数据差
提问于 2020-12-29 12:36:38
我是机器学习的新手。
首先，我想训练一个模型来对猫和狗的图片进行分类。
我的问题是，当我训练我的模型时，它给我提供了(大约) 80-85%的训练数据和验证数据的准确性。验证数据和训练数据的损失都很低，约为0.4 - 0.5。因为这些数字非常相似，我想我不会有过度拟合的问题，对吧？
但当我用数据集中的图片(它以前从未见过)测试我的模型时，准确率被证明是70%-73%左右。所以它要低得多。我找不到任何关于为什么会这样的信息。而且，正如我所说的，我怀疑过度匹配不是问题，但由于我是一个初学者，我不太确定。
我的模型看起来像这样(我在python中使用tensorflow )：
model = Sequential([
Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding = 'same', input_shape=(224,224,3), kernel_initializer="he_uniform"),
MaxPool2D(pool_size=(2, 2)),
Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding = 'same', kernel_initializer="he_uniform"),
MaxPool2D(pool_size=(2, 2)),
Conv2D(filters=128, kernel_size=(3, 3), activation='relu', padding = 'same', kernel_initializer="he_uniform", kernel_regularizer=l2(.001)),
MaxPool2D(pool_size=(2, 2)),
Conv2D(filters=128, kernel_size=(3, 3), activation='relu', padding = 'same', kernel_initializer="he_uniform", kernel_regularizer=l2(.001)),
MaxPool2D(pool_size=(2, 2)),
Flatten(),
Dense(units = 128, activation='relu'),
Dropout(.5),
Dense(units=2, activation='softmax')
])
Trainable params: 3,471,810
Non-trainable params: 0优化器，损失：
model.compile(optimizer=Adam(learning_rate=0.001), loss='categorical_crossentropy', metrics=['accuracy'])这是我使用的数据集：https://www.kaggle.com/tongpython/cat-and-dog I使用3000张图像进行训练(1500张狗和1500张猫)，1000张用于验证，1000张用于测试。没有重复项(因此验证集中没有图像，这些图像也在训练集中，依此类推)。
我像这样对图像进行预处理(我也使用数据增强)：
train_batches = ImageDataGenerator(preprocessing_function=tf.keras.applications.vgg16.preprocess_input, rescale=1/255, horizontal_flip=True, vertical_flip=True, width_shift_range=.2, height_shift_range=.2) \
.flow_from_directory(directory=training_path, target_size=(224,224), classes=['cat', 'dog'], batch_size=64)
valid_batches = ImageDataGenerator(preprocessing_function=tf.keras.applications.vgg16.preprocess_input, rescale=1/255, horizontal_flip=True, vertical_flip=True, width_shift_range=.2, height_shift_range=.2) \
.flow_from_directory(directory=validation_path, target_size=(224,224), classes=['cat', 'dog'], batch_size=64)
test_batches = ImageDataGenerator(preprocessing_function=tf.keras.applications.vgg16.preprocess_input).flow_from_directory(directory=test_path, target_size=(224,224), classes=['cat', 'dog'], batch_size=64, shuffle=False)编辑:解决了问题。我的错误是，我没有以完全相同的方式对训练、验证和测试数据进行预处理，因为我误解了一个参数。感谢所有帮助我的人。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-29 14:16:35
我相信你的问题是因为你的验证数据和训练数据
train_batches = ImageDataGenerator(preprocessing_function=tf.keras.applications.vgg16.preprocess_input, rescale=1/255, .....vgg16.preprocess_input函数在+1和-1之间重新缩放像素值，因此不需要包含rescale=1/255。在测试生成器中，您不需要重新缩放像素值。因此，在训练生成器和验证生成器中删除rescale=1/255
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65492248
复制相关文章
相似问题
腾讯云开发者
