2回答
训练损失改善，但验证提前收敛
、、、、
我正在使用TensorFlow创建一个CNN，在培训时，我发现训练数据集仍在改进(即损失仍在减少)，而测试/验证数据集已经收敛，不再改进。(学习曲线图附后)我的模型学习曲线图：
浏览 2提问于2021-01-03得票数 0
回答已采纳
我正在训练一个CNN-多通道模型，并为稠密层设置下拉和权重约束。我使用两个输入，因为我试图用标题和摘要对文档进行分类。此外，由于原始数据集是不平衡的，所以我正在对过采样的数据集进行培训。我使用的是0.7,100个过滤器和3，4，5的圆锥内核。下面的图片是我的损失。绿线是训练损失，灰色线是验证损失。有人能解释为什么我的验证损失第一次增加，以及为什么这两条线不</e
浏览 2提问于2020-12-15得票数 0
1回答
我正在训练一个模型，用于从图像中分割机器打印的文本。图像可能还包含条形码和手写文本。对地面真实图像进行处理，使0表示机器打印，1表示其余图像。我使用的是5层CNN，最后输出2张地图。我的损失计算如下： labels = tf.reshape当我训练模型时，对于这些图像，我得到的损失为0，训练准
浏览 0提问于2017-07-04得票数 3
1回答
我正在为二进制分类训练一个cNN。我使用了128批大小，损失正在减少，准确度随着时间的推移而增加。最终精度达到0.99以上，损失小于0.3。但再过几个年代，该模型收敛到了0.6，精度下降了0.5。对模型的检验表明，它总是预测0.5。我用二元交叉熵作为损失函数。对于每一个时代，所有的数据点都会被洗牌。我用的是SGD，学习率是0.01。
我是否以较低的准确率，但相当好的损失</
浏览 0提问于2018-03-01得票数 0
回答已采纳
1回答
我使用基于CNN的模型来进行序列分类。因为训练整个数据集是非常昂贵的，而且我需要尝试大量的特性，所以我不可能通过完整的培训来选择特性。通常在训练前进行良好的心智检查，就是试着让模型过适合一小组训练样本，以确保模型至少能够记住一个小样本。借用这个想法，我的问题是，我能不能训练一小部分训练数据，并利用它的损失曲线作为度量，来选择最佳的特征？每一次训练都是为了测试给定所
浏览 0提问于2017-11-14得票数 5
回答已采纳
我有CIFAR-10数据集的CNN架构，如下所示：当我训练这个模型的时候，训练和测试的准确性以及损失都有一个非常紧张的行为，不能很好的收敛。定义的架构正确吗？在每个卷积层之后，我应该有一个最大池层吗？下表摘自彩票假说：
浏览 0提问于2020-02-17得票数 0
2回答
我注意到，我的大多数成功训练的CNN启动(即第一个时期)损失在1-2范围内。通常，这些是图像分类器，用于离散类(猫、狗、船等)或语义(像素级)分割。有时，无论是由于设计不善还是建筑误解，我都会在60年代看到最初的损失；有一天，我开始的时候是200岁(但没有收敛)。
所以我的问题是:是否有一种启发，可以让我为我的初始损失值确定一个足球场的价值？如果是的话，我受过训练的</em
浏览 0提问于2017-05-16得票数 0
回答已采纳
0回答
我正在两个不同的DL库(Caffe Tensorflow)中训练两个CNN (AlexNet E GoogLeNet)。网络由每个图书馆(和)的开发团队实施
我将原始Imagenet数据集减少到1个类别的1024张图像--但设置了1000个类别在网络上进行分类。所以我训练了CNN，不同的处理单元(CPU/GPU)和批处理大小，我观察到损失很快收敛到接近零(在大多数情况下在1个时期完成之前)，如下图所示(Tensorflow上的Alexnet)
浏览 5提问于2017-12-05得票数 2
回答已采纳
3回答
负重训练速度太慢
、、
我正在从头开始写我自己的CNN代码。虽然我得到了快速、收敛和令人满意的结果，但训练后的权重值变化很小(而成本/损失函数却以一种看似收敛的方式迅速下降)。
浏览 0提问于2019-02-18得票数 2
1回答
我使用TF构建了一个二进制分类器，它将16x16灰度图像分类为分布87-13的两个类中的一个。我遇到的问题是模型的，这比随机的要好，但是我不能让它改进到更高的水平。在验证模型(1.1e7示例，87-13发行版)时，我无法实现。
更大的网络、不断变化
浏览 0提问于2018-04-06得票数 1
回答已采纳
我已经训练了两次完全相同的模型(完全相同的训练数据集)，但是结果是非常不同的，我对它们的损失曲线的行为感到困惑。
浏览 6提问于2019-10-30得票数 3
1回答
据我所知，如果1.收敛太快2.验证损失不断增加，那么模型肯定是过拟合的。 同样，据我所知，除非你使验证损失收敛到与你的训练损失类似的趋势，否则没有办法解决这个问题，这样你就可以做更多的数据增强等。然而，我读过的许多论文都声称10倍是健壮性的标志，并表明该模型并不过度拟合。然而，当我重新创建这些实验时，我可以说，无论它们是否显示出稳健的准确性，它们都是过度拟合<em
浏览 42提问于2019-03-21得票数 0
2回答
根据您的经验，较小的CNN模型(较少的params)比大型模型的收敛速度更快吗？
当然，我会认为是的，因为需要优化的参数较少。然而，我正在训练一个定制的基于MobileNetV2 2的Unet (带有2.9k参数)用于图像分割，它比具有更多参数(5k参数)的模型需要更长的时间来收敛。如果此收敛行为是意外
浏览 0提问于2020-12-08得票数 1
我用CNN做回归任务。我使用Tensorflow，优化器是Adam。该网络似乎完全收敛，直到一个点，损失突然增加，随着验证错误。以下是标签和权重的损失图(对它们的和运行优化器)
我使用l2减肥来调整体重，也使用标签。我在训练数据上应用了一些随机性。我想了解这是如何发生的。希望你能帮我。
浏览 2提问于2017-02-14得票数 20
我正试着用Pytorch训练CNN的文本分类器。我像这样使用Adam优化器。optimizer = torch.optim.Adam(CNN_Text.parameters(), lr=args.lr)所以，我实现了学习率衰减，
If curr_loss > val_loss: prev_lr = param_group['lr'] para
浏览 11提问于2018-12-06得票数 1
我试着训练CNN通过输入键盘输入游戏的图像来玩网络游戏。
这些错误被卡在一个特定的值中我试着提高/降低学习率，提高图像质量，改变批次的大小……似乎
浏览 0提问于2018-07-31得票数 0
回答已采纳
1回答
DQN损耗不收敛
、、、
我正在使用DQN算法在我的环境中训练一个代理，如下所示：
我已经调整了一些超参数(网络架构、探索、学习速度)，这给了我一些下降的结果在训练过程中，每节课的</
浏览 0提问于2017-10-31得票数 20
1回答
GAN损耗与模型的评价
、、、
我正在努力理解如何“客观地”评估GAN (也就是说，不能简单地看它生成的结果是“这看起来很好/不好”)。我的理解是，鉴别器应该领先一步，理论上，鉴别器损失和发生器损失都应该收敛到0.5 --在这一点上，两者都是同样“好”的。我目前正在训练一个模型，我得到的鉴别器损失从0.7开始，但很快收敛到0.25，生成器损失从50开始，收敛到0.35 (随着进一步的训
浏览 5提问于2021-09-27得票数 0
1回答
资料：~500个标有标记的例子。~30:70不平衡尝试利用预先训练过的图像分类器，通过生成带有固定轴的图的图像。也没有
浏览 0提问于2023-01-31得票数 1
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
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
