颈椎处突出明显,好像有点变形,请帮我看看是不是我的世界果然有问题题。[附图]

上节实现完的精确度和loss绘制图如丅从图中可以看出,训练精度和验证精度相差很大模型在验证集上仅达到70%左右的精度。 本节研究其问题并尝试提高模型的整体性能。

        在上面的图中训练精度随着时间线性增加,而验证精度在训练过程中停滞在70%左右此外,训练和验证准确性之间的差异是显而易见的——这是过拟合的标志 当训练样本数量较少时,模型有时会从训练样本中的噪声或不需要的细节中学习从而对新样本的模型性能产生負面影响。这种现象被称为过拟合这意味着该模型在新的数据集上将很难推广。 在训练过程中有多种方法来对抗过度训练在本案例中將使用数据扩充,并在我们的模型中添加dropout

过拟合通常发生在有少量训练样本的时候。解决这个问题的一种方法是扩充数据集使其具有足够数量的训练示例。数据扩充采用从现有训练样本中产生更多训练数据的方法通过使用产生可信图像的随机变换来扩充样本。目标是模型在训练中永远不会看到完全相同的图片两次这有助于将模型展示给数据的更多方面,并更好地进行概括

# 在成功地将数据扩充引入訓练样例并向网络中添加Dropout后,训练此新网络:

我要回帖

 

随机推荐