2017-08-25 85 views
0

在深度學習中,我們應該根據火車/汽車的損耗和準確性來選擇最好的車型,但是我怎麼知道哪個點最好?如何從train/val損耗和精度曲線中選擇最佳模型?

是否只依賴於VAL準確性不管其他指標?

和另外兩個相關的問題:

如何最佳火車/ VAL損失和準確性曲線是什麼樣子?

,我應該怎麼做,如果列車損耗減少,訓練精度不斷提高,但同時VAL精度停止訓練時間長了以後增加VAL損失增加了嗎?

它看起來像這樣:

+2

請提供更多詳細信息:您正在學習什麼樣的數據(圖像,序列)?你想分類多少班?樣本的數量是否平衡或不平衡?你在使用什麼架構?你正在使用什麼損失函數? – FalconUA

+0

@FalconUA感謝您的回覆。我的問題是從衛星圖像中識別出雲,因此我將這個問題轉化爲兩類分割,一個是雲,另一個是背景。數據集有8000個4-band-16bits的圖像,大小爲256 * 256。體系結構是Segnet ,損失函數是binary_crossentropy。由於雲層相對於背景相對較小,樣本不平衡。 – spider

回答

0

首先在第一,你需要選擇模型根據發展結果/驗證數據集。因此,使用val準確度和val損失來判斷模型的性能。

在一定程度上較高的精度VAL常與低級VAL損失相關聯。這是因爲你的損失被用來衡量預測結果和基礎事實之間的差異。通過不同的指標衡量,就像我們經常使用BLEU得分機器翻譯

不同的問題,你需要了解你的研究領域獲得哪些指標是流行的一些文件。

列車損耗減少和Val損失增加模型的訓練相當正常的外觀,它通常意味着你的模型是過度擬合。它只學習訓練數據集中出現的過多特徵,而不是整個數據集。

至於對付過擬合,有很多方法,如早停,降層等,您可以只是谷歌。