2回答
我在训练CNN来解决三级图像分类问题。我的训练损失平稳地减少了，这是预期的行为。然而，我的验证损失显示出很大的波动。📷
这是我应该担心的事情，还是我应该选择在我的业绩衡量(准确性)上得分最好的</
浏览 0提问于2018-05-02得票数 10
回答已采纳
1回答
下面是我的网络架构： cnn3 = Sequential()cnn3.add(MaxPooling2D((2, 2)))cnn3.add(Conv2D(64, kernel_size=(3, 3), activation='
浏览 25提问于2020-09-01得票数 0
回答已采纳
我在训练CNN的模特。在第一次训练中，我在第5次训练中获得了87%(0.29损失)和87%(0.30损失)的训练精度，我连续训练了15次，正如预期的那样，它开始过度拟合，训练精度提高到97%(0.01损失)，验证保持<em
浏览 0提问于2020-07-27得票数 2
1回答
我正在进行卫星数据方面的培训。由于数据中的类分布极不均衡，因此本文采用随机多数欠采样的方法对神经网络进行训练，人为地平衡了每个班的训练样本数。在验证过程中，我不以任何方式对数据进行重采样。📷在上面的图表中，橙色是训练的表现，蓝色是验证。验证精度和损失值比训练精度和损失大
浏览 0提问于2020-08-31得票数 1
3回答
关于机器学习的基本问题
、、、、
我正在研究卷积神经网络，并比较其他方法，如HoG。在使用这两种方法完成二进制分类之后，我得到了以下结果：培训准确率: 83%CNN方法：验证准确性: 91%我的问题是，这些方法是否过份适合训练？
浏览 6提问于2017-08-30得票数 1
我对神经网络非常陌生，我正在训练CNN进行图像分类，在训练过程中，我得到以下信息：这告诉我训练的损失和准确性，验证的损失和准确性，如果我错了，请纠正我。，这些量是什么？有什么方法可以理解我，如果
浏览 0提问于2020-12-09得票数 0
回答已采纳
2回答
我的学习曲线是否过正？
、、、、
我正致力于多分类任务(总共6个班)，并获得了几乎完美的训练和测试的准确性(超过99%)的基础上，我的训练cnn模型。我想知道，我受过训练的模特是否有过度适应的问题。附件是该模型的损失和准确性的学习曲线。整个训练数据集包含大约30k样本，<e
浏览 7提问于2022-10-10得票数 -1
回答已采纳
我一直在训练我的CNN，并得到了以下结果：我只知道训练和验证的准确性都需要很高，但是这些数字足够好吗？我如何知道何时停止？我应该关注损失，还是只关注准确性？到目前为止，哪个时代显示了最好的结果？
浏览 56提问于2020-02-11得票数 0
回答已采纳
1回答
我是不是太适应了？
、、、、
我目前正在用黑暗流Yolov2训练我的模型。最优选择是有lr 0.001的SGD。基于这个图表，我的val损失>火车损失，这就意味着它太合适了？如果是的话，建议的行动方针是什么？这似乎很奇怪，因为两种损失都在减少，但val损失较慢。
要了解更多信息，我的训练数据集包含每个类400个图像，只有一个注释，总共
浏览 8提问于2020-01-07得票数 0
场景:我一直在为cifar10数据集训练CNN。我使用的是tensorflow，还有一个CNN，它有12个conv层和1个密集层，在softmax稠密层之前。我正在使用数据增强以及批处理规范化。在几百个历次之后，我对验证集的准确率最高达到92.73 %。验证损失略有上升，因为<
浏览 0提问于2020-01-23得票数 3
回答已采纳
我用大量的历次训练我的CNN模型，每次我打印训练损失和准确性，但是在这两个指标中有很多高和低，我想提前停止，例如，损失0.2，准确率在%95或更高，因为我在不止一个时期得到了这个值，我的问题是：
1-列车组或验证组是否提前停车2-如果在验证
浏览 0提问于2019-01-25得票数 2
回答已采纳
1回答
我目前正在训练CNN来检测一个人是否戴着面具。不幸的是，我不明白为什么我的验证损失这么高。正如我注意到的，我正在验证的数据是按类排序的(这些类是网络的输出)。这对我的验证准确性和损失有任何影响吗？我用计算
浏览 1提问于2020-12-09得票数 1
回答已采纳
2回答
什么时候停止训练？
、、、、
我正在使用bvlc_reference_caffenet进行培训。我正在做训练和测试。下面是我受过训练的网络的一个示例日志：I0430 11:51:21.968654 23334 sgd_solver.cpp:105] Iteration 711
浏览 2提问于2017-04-30得票数 2
回答已采纳
我目前正在通过使用cifar10图像来训练CNN模型(50000用于培训，另10000用于验证)。我绘制了训练损失、验证损失和训练迭代的准确性：我不确定什么时候该停止训练，应该在1250迭代前后停止训练吗？还是应该在迭代5000左右停止，因为我可以获得最大的验证精度？为
浏览 0提问于2019-06-15得票数 5
回答已采纳
我的CNN在训练时对.14的准确性并没有增加。奇怪的是，这个模型运行得很好。对于具有单节点输出的CNN，正确的损失函数是什么，并且输出值应该是介于1和7之间(包括1和7)的整数？(我不禁注意到.14xx *7大约是1。) 另外，我的单节点输
浏览 7提问于2021-11-13得票数 1
2回答
良好的训练，测试和验证的准确性，但奇怪的历史准确性的模型行为:这是我的模型的总结： ? 我执行了执行和预测任务，得到了下一个混淆矩阵： ? 而准确率行为紧随其后： ? 我不能理解这是过拟合还是欠拟合，还是正常行为？ 添加损失</
浏览 90提问于2020-08-11得票数 1
回答已采纳
我正在训练一个分类器使用CNN在毕道尔。我的分类器有6个标签。每个标签有700个培训图像，每个标签有10个验证图像。批次大小为10，学习率为0.000001。每个类拥有整个数据集图像的16.7%。我已经训练了60个时代，建筑有三个主要层次：
Conv2D->ReLU->BatchN
浏览 1提问于2021-06-23得票数 1
我试图用自定义数据集训练多类对象检测，但我有一些奇怪的行为。我有两个类别:手枪和刀子(分别有876和664张图像，大小都相似，从360 x 200到640 x360，以及相似的比例)。CNN似乎只能准确地检测这两个物体中的一个，哪个对象可以在训练步骤和同一图像中随机检测(两个类别中的)变化(例如:步骤10000只检测手枪，步骤20000只检测刀，
浏览 0提问于2019-01-29得票数 2
回答已采纳
1回答
通常，当模型覆盖时，验证损失会上升，而训练损失则会从过度拟合的角度下降。但就我的情况而言，训练损失仍在下降，但验证损失保持在同一水平。因此，验证的准确性也保持在相同的水平，但训练的准确性上升。我正试图用UNet从3D卷中重
浏览 4提问于2020-11-29得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
