EfficientNet增加了训练和验证损失，降低了100个周期后的准确度

Question

我在自己的图像数据集上运行来自Google的EfficientNet代码，遇到了以下问题。对于架构（architecture）的每个变体（b0到b7），训练和验证损失减少到+/-100个时期。在这之后，两者都开始迅速增加，而验证精度则相反。在

我以前从没见过这种模式。我怀疑这是因为过度适应，但是训练损失不会继续减少吗？在

看看其他的问题，this一个接近我的意思，但我不确定。如果这是一个逐渐消失的梯度问题，那么为什么Google的人没有体验到ImageNet数据的问题呢？在

设置

这是使用EfficientNettutorial运行的。我的数据集由41k张列车图像和5k张验证图像组成。在