如何训练卷积神经网络的负面和正面元素作为第一层的输入?

内容来源于 Stack Overflow,并遵循CC BY-SA 3.0许可协议进行翻译与使用

  • 回答 (2)
  • 关注 (0)
  • 查看 (15)

我很好奇为什么我必须在测试集上扩展测试集,而不是在我训练模型时的训练集上,例如,CNN ?! 还是我错了?我仍然需要在训练集上进行扩展。另外,我可以在CNN中训练一个数据集,其中包含正负元素作为网络的第一个输入吗?任何参考答案将非常感谢。

提问于
用户回答回答于

缩放数据取决于要求以及您获得的Feed /数据。测试数据仅使用测试数据进行缩放,因为测试数据没有Target变量(测试数据中少一个功能)。如果我们使用新的测试数据来扩展我们的训练数据,我们的模型将无法与任何目标变量相关联,因此无法学习。所以关键的区别在于Target变量的存在。

用户回答回答于

我们通常有3种类型的数据集用于训练模型,

  1. 培训数据集
  2. 验证数据集
  3. 测试数据集

培训数据集

这应该是一个均匀分布的数据集,涵盖所有类型的数据。如果你的火车有更多的纪元,那么模型将习惯于训练数据集,并且只能对训练数据集进行适当的预测,这称为过度拟合。检查过度拟合的唯一方法是使用模型从未接受过培训的其他数据集。

验证数据集

这可以用于微调模型超参数

测试数据集

这是未经过训练的模型的数据集,从未成为决定超参数的一部分,并将给出模型如何执行的现实。

扫码关注云+社区

领取腾讯云代金券