如何提高模型的预测精度
如何提高模型的预测精度
提问于 2020-09-01 09:24:59
我正在使用InceptionV3模型进行培训。下面是代码(https://github.com/maxmelnick/tensorflow/blob/no_随机/tensorflow/示例/图像_再培训/再培训)的链接，最初我有一个小的数据集。因此，我使用了增强技术来增加数据集的大小。
培训阶段数据集分为培训、验证和测试。在训练阶段，11个班的准确率为96%。但当我预测任何新的输入图像(未见数据)时，它的准确率为56%。模型有什么问题？
我已经使用了Dropout，交叉验证，OverSampling技术，但在新的输入图像上没有取得好的效果。
训练时使用的参数。
训练样本-每班800张图片
- 培训样本- 70%
- 验证样本- 20%
- 测试样本- 10%
测试样本(训练样本以外的未见数据)-每类51幅图像
历代- 10,000
回答 1
Data Science用户
发布于 2020-09-01 09:52:56
听起来你的训练数据有点过份了，所以你应该研究一些神经网络调整的方法。我看你用过辍学，这就是其中之一，但可能还不够。
您还可以考虑将培训数据划分为培训集和验证集，并在验证集上的性能停止改进时停止培训。这就是所谓的早期停止
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/81067
复制相关文章
相似问题
腾讯云开发者
