Machine learning 不同维度的训练集和验证集
我正在Keras训练一个超分辨率网络。我有一个训练集，其中包含维度（64,64）的图像，我有维度（128128）的图像，我想用作验证集。使用不同维度的验证集有意义吗？还是两个集合必须具有相同的维度？让我从一个问题开始 我们需要同样大小的CNN图像吗Machine learning 不同维度的训练集和验证集,machine-learning,deep-learning,keras,training-data,Machine Learning,Deep Learning,Keras,Training Data,我正在Keras训练一个超分辨率网络。我有一个训练集，其中包含维度（64,64）的图像，我有维度（128128）的图像，我想用作验证集。使用不同维度的验证集有意义吗？还是两个集合必须具有相同的维度？让我从一个问题开始 我们需要同样大小的CNN图像吗 在网络末端使用完全连接的层之前，不需要相同大小的图像 不，我的网络是完全卷积的。实际上，如果我使用大小为64x64的图像作为验证集，我的网络似乎过大，但如果我使用大小为128x128的图像作为验证集，则没有问题。但是我不知道这对“比较”不同大小的图像
在网络末端使用完全连接的层之前，不需要相同大小的图像 不，我的网络是完全卷积的。实际上，如果我使用大小为64x64的图像作为验证集，我的网络似乎过大，但如果我使用大小为128x128的图像作为验证集，则没有问题。但是我不知道这对“比较”不同大小的图像是否有意义。不，对不同大小的图像进行验证是没有问题的。但是，您所说的“我使用大小为64x64的图像作为验证集，我的网络似乎过盈，但如果我使用大小为128x128的图像作为验证集，则没有问题”是什么意思？当我的验证集为大小为64x64的图像时，验证损失始终高于培训损失。当我使用128x128的图像作为验证时，我的验证损失低于培训期间的培训损失