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
(3050)
视频
沙龙
1
回答
训练
精度高
测试
精度
差
、
我有一个神经网络,它可以分类3个output.My数据集非常小,我有340个图像用于
训练
,60个图像用于
测试
。我构建了一个模型,当我编译时,我的结果是: 纪元97/100306/306==- 46s 151ms/步长损失: 0.2453 -
精度
: 0.8824 - val_loss: 0.3557 - val_accuracy: 0.8922纪元98/100306/306==- 47s 152ms/步长损失: 0.2096 -
精度
: 0.9031 - val_lo
浏览 47
提问于2020-04-28
得票数 1
2
回答
训练
和验证
精度高
,
测试
精度
差
、
、
、
、
虽然经过10次
测试
,我获得了较高的
训练
和验证
精度
(0.97),但我的
测试
结果很糟糕(
精度
为0.48),而混淆矩阵显示网络正在为错误的类(附加结果)预测图像。整个数据集被分割20%用于
测试
集(这个分割是通过从每个类中获取随机图像来执行的,因此它是被洗牌的)。其余的图像被分割成80%的
训练
和20%的有效集(如代码的ImageDataGenerator行所示)。因此,最终会有:2类3 224幅有效图像 属于2个类的4,032个
测试<
浏览 4
提问于2020-03-27
得票数 2
1
回答
测试
精度高
于
训练
精度
的原因
、
、
我用212份阳性样本和120份阴性样本进行
训练
。该
测试
集包含100份阳性样本和20份阴性样本。
训练
精度
仅为32.15%,
测试
精度
为83.19%。我想知道是什么使考试的
精度
比
训练
的
精度高
,我的数据集是不是不够大?数据不显示任何统计意义?或者这是一件普通的事情,因为我看到一些人说
训练
的精确性没有任何意义。但这是为什么?
浏览 2
提问于2016-06-01
得票数 0
1
回答
测试
精度高
于
训练
精度
。
、
、
、
、
我的
测试
精度
远高于我的
训练
精度
。我使用了特征选择,并将数据分成培训、验证和
测试
集。
浏览 0
提问于2023-04-29
得票数 0
回答已采纳
1
回答
随机森林决策树的高度增加到25,
测试
精度
也增加
、
、
、
、
当我在随机森林中进行超参数网格搜索时,我的
训练
和
测试
精度
随着深度的增加而增加,最优深度为25。我得到的
测试
精度高
达97%,没有数据泄漏,因为有三组
训练
,
测试
和valid.My数据有大约10 features.Is,这很好,因为我通常看到树的最大深度为10。
浏览 0
提问于2018-08-06
得票数 0
1
回答
训练
和验证
精度高
,
测试
精度
低
、
、
、
、
我正在用MobileNet基模型
训练
一个转移学习的CNN。我的数据集由三个类组成:“纸,剪刀,石头”(8751张图像,所有的类都是完全平衡的),我用它为“纸,剪刀,石头”游戏创建了一个手势识别模型。在使用keras的
训练
阶段,我在
训练
集和
测试
集(准确度、
精度
,AUC几乎都在0.98%)上都取得了优异的结果: import matplotlib.pyplot as pltfrom tensorflow.ker
浏览 7
提问于2022-02-13
得票数 1
1
回答
理解LSTM培训和验证图及其度量(LSTM )
、
、
、
我已经
训练
了一个RNN/LSTM模型。我想解释我的模型结果,在绘制了图表的损失和准确性(b/w培训和验证数据集)。 如果我只向模型提供部分输入,我的目标是对标签进行分类(0或1)。以这种方式我进行了
训练
。问题2:在模型
训练
中,振荡是否在损失和准确性两方面都有影响?(或者这是一种正常的行为)如果不是,我如何在没有振荡的情况下使我的模型正则化?问题3:我可以从我的度量表列中解释或理解什么?与列车和验证
精度
相比,我的> Y_test
精度
更高,我能从这种行为中解释什么?
浏览 0
提问于2019-07-22
得票数 0
回答已采纳
2
回答
在Keras/Tensoflow的
训练
中报告的“准确性”的含义?
、
训练
分类器。在
训练
期间,“准确性”是显示和更新每一小批。当我们运行一个
测试
批次时,“准确性”的含义是明确的,但是在培训期间,它是如何计算“准确性”的?
浏览 2
提问于2020-04-18
得票数 1
回答已采纳
1
回答
调整SVM C参数
、
、
、
、
我想寻求关于我的模型的帮助。📷这是否意味着C的最优值是0.001?第一个值不是0.000,而是0.001。 谢谢。
浏览 0
提问于2020-05-29
得票数 1
回答已采纳
1
回答
增强数据图像在
测试
中的应用
、
、
、
、
我在
训练
集中使用了增强的数据/图像以及正常的图像(目前在CUHK01上进行培训)。在
测试
时,如果我不使用增广数据以及用于计算秩的正常
测试
图像,那么假设Rank_1,我获得了30%的Rank_1,而在使用增广数据时,Rank_1值为65-70%(这与当前的Rank_1
精度
相比,世界上的Rank_1
精度高
得离奇)。所以我的问题是( b)我是否过分适合或类似的事情。 c)避免在
测试
用例中使用增强图像是一条通用规
浏览 3
提问于2017-09-29
得票数 1
回答已采纳
1
回答
为什么在应用数据增强时,验证
精度
要高于
训练
精度
?
、
、
我正在
训练
使用model.fit_generator进行数据增强的模型。在每个时代进行培训的同时,我也在评估验证数据。 epochs = epochs, verbose = 1) 但是,在绘制
训练
精度
和验证
精度
(以及
训练
损失和验证损失)时,我注意到验证
精度高
于
训练
精度
(同样,验证损失也低于
训
浏览 1
提问于2018-02-17
得票数 6
回答已采纳
1
回答
SpaCy:在
训练
自定义实体的模型时,是否需要提前停止?
、
、
我已经将我的数据分为
训练
和
测试
两部分。 https://spacy.io/usage/training#ner 根据spacy给出的
训练
自定义实体的代码片段,似乎没有提前停止。所以我有个问题要问?2.在
测试
数据上检验模型的准确性。3.如果
精度高
于以前的模型,则保存它,否则继续。4.执行下一次迭代。 或者我最终的模型在完成所有迭代后,例如30次迭代是最好的模型??
浏览 22
提问于2019-10-14
得票数 1
2
回答
图像分类中的数据洗牌
、
、
、
、
为了
训练
模型,我将使用80-20数据集分割(
训练
集中有2400幅图像/手部符号,验证集中有600幅图像/手部符号)。 我的问题是:在创建数据集时,应该随机地对图像进行洗牌吗?为什么?根据我以前的经验,它导致验证损失低于
训练
损失,验证
精度高
于
训练
准确性。
浏览 3
提问于2020-04-14
得票数 1
回答已采纳
1
回答
GBM模型:为什么在h2o R中网格搜索的验证
精度
会波动
、
我尝试使用
训练
集和有效集进行网格搜索。但是当它完成时,两组之间的对数损失曲线是非常不同的。事实上,我的
训练
集存在过拟合,因此
精度高
于我的有效集ntrees = 100, learn_rate
浏览 7
提问于2018-08-24
得票数 0
1
回答
VGG 16/19慢跑
、
、
、
当我试图从经过预先
训练
的VGG 16/19模型中获得输出时,使用带Python的Caffe ( 2.7和3.5),在net.forward()步骤上(在我的笔记本电脑的CPU上)需要超过15秒。
浏览 1
提问于2017-03-22
得票数 0
回答已采纳
2
回答
图像增强有帮助吗?
、
、
我有很小的
训练
数据。增加数据会有帮助吗?它能提高精确度吗?在这种情况下,人们应该选择增加数据,并应避免?
浏览 3
提问于2017-10-20
得票数 1
回答已采纳
1
回答
我怎样才能增加噪音(抖动)到我的蟒蛇角安,以避免过度适应?
、
、
、
、
在Python中实现了人工神经网络模型,
训练
精度高
,
测试
精度
低。这意味着数据中存在一些过度拟合。 我想避免过度,其中一种技术是抖动或噪音加法。但是,我的问题是:我如何在Python中做到这一点?
浏览 2
提问于2020-06-04
得票数 1
回答已采纳
2
回答
分类器还是启发式?
、
、
当然,基于具体样本的二级分类器
训练
是可能的.然而,查准率和召回率将很差。有什么方法可以根据各种阳性样本来构造
精度高
的东西吗?
浏览 1
提问于2015-09-08
得票数 2
1
回答
测试
精度高
,培训
精度
低
、
、
、
我对NLP过程相当陌生,我遇到的情况是,我的
训练
准确率约为70%,但我的
测试
准确率为80%。从2020年起,我有大约6000条条目可用作培训数据,而从2021年第一季度起,有300个条目将用作
测试
数据(由于Q2、Q3、Q4数据不可用)。每一整部至少有2-3段。
测试
集的结果混淆矩阵如下所示[ 27 96]] F1分数为81%,但在检查我的
训练
集时,它的平均分为0.720 (+/-0.036)。我试图弄清楚为什么
训练
和
测试
集之间有9%的差
浏览 4
提问于2022-02-23
得票数 0
回答已采纳
1
回答
张量流Mninst外部图像预测无效
、
、
、
、
我能够
训练
模型并适当地保存它。 我得到的预测是不正确的。tf.log(y),)保存程序= tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) ()#默认保存所有变量--在本例中,w和b#
训练
模型
浏览 2
提问于2016-04-29
得票数 2
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
疟疾检测-Keras深度学习医学图像分析
步态识别技术再获重大突破!这家企业人像技术获美国专利
汽车BMS应用模数转换器ADC芯片
5G宽带高精度幅相控制测试系统
GluonCV 0.2—计算机视觉工具包第二版
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券