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Machine learning 过拟合ML模型,machine-learning,computer-vision,classification,Machine Learning,Computer Vision,Classification,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
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^_^