How it looks like with lesser smoothing
嗨!我目前正在用Darkflow Yolov2训练我的模特。优化装置为SGD,lr为0.001。 基于此图,my val loss>;火车损失,这意味着它是过度装配?如果是,建议采取什么行动?这看起来很奇怪,因为这两种损失都在减少,但val损失更慢
欲了解更多信息, 我的火车数据集由每类400张图像组成,带有单个注释,总共2800张图像。我这样做是为了防止类不平衡,因为每个图像只注释一个类实例。My val数据集由350个图像组成,带有多个注释。基本上,我注释了图像中的每个对象。我有7节课,我的train val测试分数是80-10-10。这是val丢失的原因吗
过拟合检测包括训练精度偏离测试(验证)精度时的失配。由于您尚未提供该数据,我们无法评估您的模型
它可能有助于澄清阶段和术语;这将让你在将来为自己回答这个问题:
“趋同”是指我们认为模型
收敛是我们希望停止培训并保存(检查点)模型以供生产使用的地方
我们通过使用训练通道和测试(验证)通道来检测收敛性。 在趋同阶段,我们预计:
一旦训练跑过了这一点,它通常会过渡到“过度拟合”,在这种情况下,模型会学习到特定于训练数据的东西,因此不再善于推断新的观察结果。在这个州,
相关问题 更多 >
编程相关推荐