Machine learning 过拟合ML模型

我的图像分类器有一个问题，它显示验证错误超过500%，它给了我2%的训练损失以及90%+的训练精度

我还尝试使用fastai和resnet50进行迁移学习，它也给了我同样的结果

以下是我的结果： -验证错误：500% -验证错误：大约2% -验证准确率：90%+ -年代数：50

提示：我的数据是从谷歌抓取的图片，我有10个类，每个类大约有600-700张图片

谢谢你的时间

这是我的密码员

from fastai.vision import *
from fastai.metrics import error_rate

path = Path('drive/My Drive/cheese images/')

np.random.seed(42)
data = ImageDataBunch.from_folder(path, train='.', valid_pct = 0.2,
                              ds_tfms = get_transforms(), size = 224, 
num_workers=4).normalize(imagenet_stats)

learn = cnn_learner(data, models.resnet50, metrics = accuracy)

learn.fit_one_cycle(50)
learn.export()
learn.unfreeze()

---

你能告诉我们你用的是什么数据吗？什么课程？也许你的数据和代码的一些样本，你到底在做什么？所以你使用的是一个带有（我假设）交叉熵损失函数的ResNet-50。您可以分享有关优化器（SGD、AdaGrad、Adam…）和超参数的信息吗？没有这些信息很难帮助你。此外，500%只是一个你不应该得到的值。从未。你的问题似乎是90%+的训练准确度与90%+的验证准确度不一致——如果两者都是相同的话，那就不是过度装配都德500%的错误，通常意味着你的代码中有错误！不是在你的模型培训中^ ^我已经修改了我原来的帖子，看看代码吧^_^