如何提高模型的测试精度？
如何提高模型的测试精度？
提问于 2020-09-02 04:11:04
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
谢谢。
回答 1
Data Science用户
发布于 2020-09-02 04:44:21
虽然Yolov3是一个很好的模型，但对于某些数据集，它的性能可能会差一些。一个简单的例子就是这个。取一个模型，并在cifar 10上进行培训。同样的模型在cifar 100或imagenet上可能表现得更低！
你可以做些什么来改进你的模型：
- 引入批处理还是组标准化？
- 更好地研究这些数据，如果可能的话，看看这些数据是否被用于其他地方，以及它们是如何处理的。
- 时代不是问题，所以应该保持不变。
如果什么都没有继续工作，那么您可能不得不选择其他模式。试试yolov5或rcnn！
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/81105
复制相关文章
相似问题
腾讯云开发者
