我试图训练一个线性SVC模型(与scikit学习)的图像二值分类问题。对于训练,我有大约60k个训练图像,每个图像有1800个像素。是的,我真的想用支持向量机相关的算法来代替深度学习,因为它是为了学习。但问题是,训练已经花了几个小时,但没有任何进展。在训练之前,我将像素值标准化为0-1除以255。但这里可能有什么问题?有什么建议我可以调整或注意?你知道吗
dataX = dataX/255.
dataY = np.ravel(dataY)
X_train, X_test, y_train, y_test = train_test_split(dataX, dataY, test_size=0.1, random_state=24, shuffle=True)
linear_classifier = svm.LinearSVR(random_state=0, tol=1e-5, verbose=1, max_iter=1000)
linear_classifier.fit(X_train, y_train)
如果你的过程是缓慢的,一个问题可能是,最小化不是在正确的轨道上一段时间。这里也提到了:ConvergenceWarning: Liblinear failed to converge, increase the number of iterations
对于您的应用程序,第一步可能是更改迭代次数:
在文档中还可以找到其他可以调整的参数:https://scikit-learn.org/stable/modules/generated/sklearn.svm.LinearSVC.html
相关问题 更多 >
编程相关推荐