任何人都可以解釋這種行爲的準確性和我的網絡損失？

Question

我使用this項目爲例（框架 - caffe，AlexNet的net-mod架構，400個圖像用於訓練）。我有這樣的結果：

或本：

求解：淨

net: "./CDNet/Models/train.prototxt" 
test_iter: 500 
test_interval: 500 
base_lr: 0.001 
lr_policy: "step" 
gamma: 0.1 
stepsize: 100000 
display: 50 
max_iter: 450000 
momentum: 0.9 
weight_decay: 0.0005 
snapshot: 10000 
snapshot_prefix: "./CDNet/Models/Training/cdnet" 
solver_mode: GPU 

型號：

任何人能解釋的準確度的這種行爲和損失我淨？我做錯了什麼？教程

作者得到了這樣的結果：

UPD： 我改變批量大小從1到12和步驟sizw〜2000結果是在如下圖：

它每次測試的準確率在0.5左右。

Answer 1

很難做出一個完整的分析不看您代碼和您數據。請注意，0.5二元分類的準確性僅僅是隨機猜測。如果網絡輸出一個常數並且測試集沒有偏向一個類，則會得到相同的結果。

從這些圖表中可以看出，該模型沒有學習。既然你的圖表沒有訓練的準確性，我甚至不知道它是否過度配合（我不相信增強的AlexNet不足）。

據我所知，這項任務需要仔細的數據準備，而且這是一個犯錯的可能步驟：檢查你的訓練和測試數據是否有意義（它們應該是227x227，對於人類來說也是明顯可辨認的）檢查兩套的大小）。仔細檢查計算的平均圖像和預處理步驟。超參數看起來很合理，據說可以用於這個數據集，所以我一般會信任它。