腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(5122)
视频
沙龙
2
回答
与
训练
集
损失
不同
,
开发
集
损失
总是在
增加
python
、
deep-learning
、
neural-network
、
pytorch
、
loss-function
我的问题是,
训练
集
上的
损失
正在减少,这是很好的,但当涉及到在
开发
集
上的每个时期之后进行评估时,
损失
随着时期的推移而
增加
。我正在发布我的代码,以调查它是否有问题。下面是
训练
器文件,我使用它在给定的批处理上进行正向传递,然后进行相应的反向传播。linear layer return model_output 为了可视化整个时期的
浏览 89
提问于2020-05-03
得票数 0
回答已采纳
1
回答
使用Tensorflow
训练
神经网络时避免过拟合
tensorflow
、
machine-learning
、
neural-network
、
tensorboard
、
training-data
我正在使用Tensorflow的对象检测API
训练
一个神经网络来检测汽车。我使用了下面的youtube视频来学习和执行这个过程。 在我的例子中,现在是7500步,
损失
值一直在0.6到1.3之间波动。很多人在评论区抱怨这个系列的假阳性,但我认为这是因为不必要的长时间
训练
(因为他们不知道什么时候该停止?)这导致了过度拟合! 我想避免这个问题。我也在观察Tensorboard的“完全<e
浏览 15
提问于2018-08-23
得票数 1
回答已采纳
1
回答
过度拟合
训练
数据,但仍在改进测试数据
neural-network
、
spacy
、
bert-language-model
我的机器学习模型在很大程度上超过了
训练
数据,但在测试数据上仍然表现得很好。当使用神经网络方法时,每次迭代都会略微
增加
测试
集
上的精度,但会大大提高
训练
集
上的精度(过拟合)。测试分数不断提高,而与
训练
集
的分歧只是
增加
到这样的点,在第20次迭代中,模型在
训练
数据上几乎完美地执行,同时测试精度从不降低,以证明提前停止。我尝试了许多正则化选项,包括
不同
的失落率,权重衰减,L2,但似乎没有一个能避免记住部分
训练
浏览 28
提问于2019-11-08
得票数 1
1
回答
实践中的偏差-方差权衡(CNN)
overfitting
、
variance
、
bias
我第一次在我的数据
集
上
训练
CNN,得到了一个有点像这样的
损失
情节:橙色是
训练
的
损失
,蓝色是德夫的
损失
。正如你所看到的,
训练
损失
比
开发
损失
低,所以我想:我有(合理的)低偏差和高方差,这意味着我是过度拟合,所以我应该
增加
一些正则化:辍学,L2正则化和数据增强。在那之后,我得到了这样的情节:现在我们看到,方差减小了,偏差
增加
了。这个模型不太适合,对吗?但是,我实际上选择了第一
浏览 0
提问于2019-01-17
得票数 3
2
回答
这是一个过载的网络吗?
python
、
neural-network
、
artificial-intelligence
、
keras
、
training-data
我在keras中
训练
了一个神经网络,得到了这个结果,我想知道这是否太合适了。但在这种情况下,它并没有
增加
。它保持不变,但
训练
损失
减少。额外信息 2000时代
训练
浏览 5
提问于2017-04-03
得票数 2
2
回答
为什么培训和验证类似的
损失
曲线会导致业绩不佳
machine-learning
、
classification
、
matlab
利用matlab
训练
二值分类神经网络模型,给出了在隐层中使用20个神经元得到的图。交叉熵
与
年代之间的混淆矩阵和图。WHy,这是正在发生的,我在理解这些曲线时做错了什么?📷📷
浏览 0
提问于2018-05-19
得票数 3
1
回答
如何从列车/车辆损耗和精度曲线中选择最佳模型?
machine-learning
、
deep-learning
、
keras
、
caffe
在深入学习中,我们应该根据火车/车辆的
损失
和准确性来选择最好的模型,但是我怎么知道哪一点是最好的呢?看起来是这样的:
浏览 3
提问于2017-08-25
得票数 3
回答已采纳
1
回答
当测试
集
分布
不同
时,分类任务、结果
不同
python
、
machine-learning
、
keras
、
conv-neural-network
多类问题(有12类)编辑数据增强是
与
角函数,只是旋转和翻转。我只
增加
了
训练
集
因为我们班的数据非常少,所以我做了一个60 %的
训练
/ 20%的验证/20%的测试
集
(即B类我得到30个
训练
数据/10个验证数据/10个测试数据)。然后,我做了
不同
的分割,每次<
浏览 0
提问于2019-06-04
得票数 0
回答已采纳
1
回答
用于
训练
机器学习模型的80-20或80-10-10?
validation
、
machine-learning
、
training-data
例如,什么时候我们可以说80%的
训练
,10%的验证和10%的测试拆分更好,什么时候我们可以说简单的80%的培训和20%的测试拆分就足够了?2)另外,使用K-Cross验证是否适用于简单的拆分(
训练
-测试)?
浏览 26
提问于2020-03-18
得票数 0
回答已采纳
1
回答
caffe
训练
阶段
与
测试阶段的差异
caffe
、
pycaffe
当然,培训阶段很重要,但是测试阶段仅仅是为了测试在一组没有经过
训练
的集合上周期性地获得了多少
损失
吗?如果是这样的话,我的测试
集
的大小真的很重要吗?测试真的很重要吗?如果我有一个很大的数据
集
(>5万张图像),我应该如何在测试和
训练
之间分割它们?
浏览 4
提问于2016-06-12
得票数 1
回答已采纳
1
回答
为什么我的验证
损失
在上升,而我的验证准确性也在上升?
deep-learning
、
tensorflow
场景:我一直在为cifar10数据集
训练
CNN。我使用的是tensorflow,还有一个CNN,它有12个conv层和1个密集层,在softmax稠密层之前。我正在使用数据增强以及批处理规范化。在几百个历次之后,我对验证
集
的准确率最高达到92.73 %。验证
损失
略有上升,因为我
训练
更多。一个时代给了我0.295的
损失
,验证的准确率为90.5%。我的最佳验证时间精度为92.73%,验证
损失
浏览 0
提问于2020-01-23
得票数 3
回答已采纳
1
回答
训练
损失
减少,而
开发
人员
损失
增加
python
、
tensorflow
、
machine-learning
、
neural-network
、
deep-learning
我在一层CNN中观察到以下模式,二进制分类模型: 下面的图表说明了培训步骤数量的
损失
和准确性。蓝色行表示
训练
<e
浏览 1
提问于2018-07-06
得票数 3
回答已采纳
2
回答
喀拉斯地区单个时期的地块
损失
演化
python
、
machine-learning
、
neural-network
、
keras
Keras是否有一个内置的方法来输出(以及后来的绘图)在单个时代的
训练
过程中的
损失
演变? 通常使用函数keras.callbacks.History()的方法可以输出每个时期的
损失
。然而,在我的例子中,
训练
集
相当大,因此我要将一个时代传递给NN。既然我想画出
训练
过程中
训练
(和
开发
)
损失
的演变过程,有什么方法可以做到吗?我目前正在解决这个问题,方法是将
训练
集
划分成
不同
的批次,然后在每
浏览 0
提问于2018-09-06
得票数 8
回答已采纳
2
回答
为什么随着我递增地
增加
更多的培训数据,培训和测试
损失
都会减少?
machine-learning
、
deep-learning
我正在使用Keras使用model.train_on_batch(x_batch,y_batch)
开发
在线学习应用程序。我试着递增地添加培训数据,并列出测试和培训的
损失
。结果如下, 很高兴看到测试
损失
正在减少,但正如我在Andrew Ng的ML类中了解到的那样,如果我有一个像DNN这样的强大模型,那么
训练
损失
应该会随着我递增地添加更多的
训练
数据而
增加
,而测试
损失
应该会减少
浏览 3
提问于2017-03-30
得票数 4
回答已采纳
1
回答
Yolov3
损失
函数如何随图像的分辨率变化?
python
、
keras
、
deep-learning
、
conv-neural-network
、
yolo
我在我的数据
集
上
训练
Yolov3。我正在对它进行
不同
分辨率的图像
训练
,试图找到最佳的速度/质量比。我开始想,我是否可以比较
不同
分辨率下Yolo的
损失
函数。锚点大小
与
分辨率成正比。那么,在
不同
分辨率上的相同
损失
是否意味着我在测试数据
集
上会得到大致相同的结果?
浏览 18
提问于2020-02-03
得票数 0
回答已采纳
1
回答
TensorFlow模型
损失
的近似周期性跳跃
python
、
tensorflow
、
machine-learning
、
keras
、
conv-neural-network
我正在使用tensorflow.keras来
训练
CNN来解决图像识别问题,使用Adam最小化来最小化自定义
损失
(一些代码在问题的底部)。我正在试验我需要在
训练
集中使用多少数据,我认为我应该看看我的每个模型是否都正确地收敛了。然而,当绘制
不同
训练
集
分数的
损失
与
训练
次数的关系图时,我注意到
损失
函数中存在大约周期性的峰值,如下图所示。在这里,
不同
的行显示了
不同
的
训练
<e
浏览 19
提问于2020-05-20
得票数 2
1
回答
不同
成本函数的利弊
machine-learning
我已经看到了和Andrew的神经网络成本函数,并且我注意到,Andrew的成本函数
与
神经网络的书籍
不同
。
浏览 3
提问于2020-01-21
得票数 1
回答已采纳
1
回答
是否有方法为Keras自动编码器获得特定验证数据的
损失
值?
tensorflow
、
keras
、
autoencoder
与
自动编码器预测相比,我正在尝试获取每幅图像的
损失
。我能够获得每个时代的平均
损失
,但我想看看它对于
不同
类型的图像(
与
训练
集
略有
不同
)是如何保持的,以查看它是如何执行的。
浏览 3
提问于2022-07-28
得票数 0
1
回答
如何使用两个数据
集
的两个
损失
在一个pytorch nn?
deep-learning
、
neural-network
、
pytorch
、
loss-function
、
multitasking
对于回归问题,我有两个
不同
的数据
集
,具有相同的特征域,共享一个神经网络。输入是特征,输出是目标值。第一个数据
集
使用正常丢失,而第二个数据
集
则试图为其创建一个新的
损失
。我寻找了多重
损失
的问题,人们通常有两个
损失
总结为落后的过程.但我想依次利用
损失
。(当我
训练
第一个数据
集
时,nn使用第一个
损失
,而当我
训练
第二个数据
集
时,nn使用其他
损失
) 这有可能做
浏览 1
提问于2020-10-19
得票数 1
回答已采纳
4
回答
验证
损失
不
增加
deep-learning
、
image-classification
、
image
我在20个样本上
训练
它过适应,现在理论上
训练
损失
应该减少,验证
损失
应该
增加
。因为模特不应该学任何东西,但我的火车和瓦尔
损失
都在减少。我的
训练
循环/数据加载过程有问题吗? 📷
浏览 0
提问于2022-08-15
得票数 0
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
教程 从检查过拟合到数据增强,一文简述提升神经网络性能方法
从检查过拟合到数据增强,一文简述提升神经网络性能方法
“居高临下,势如破竹”-参数的动量更新方法
谷歌机器学习速成课视频全集
构建贝叶斯深度学习分类器
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券