卷積自動編碼器中的訓練丟失和驗證丟失並沒有減少太多

爲什麼卷積自動編碼器中的訓練丟失和驗證丟失沒有減少。訓練數據的尺寸爲10496x1024，並且CAE使用keras的32x32尺寸圖像補丁進行訓練。我已經嘗試l2regularization，但沒有多大幫助。我正在訓練20個時代。其他的選擇可能是什麼？卷積自動編碼器中的訓練丟失和驗證丟失並沒有減少太多

輸出：

曆元1/20一萬〇四百九十六分之一萬〇四百九十六[======] - 52S - 損失：0.4029 - val_loss： 0.3821

曆元2/20 10496/10496 [========] - 52s - loss：0.3825 - val_loss： 0.3784

Epoch 3/20 10496/10496 [=======] - 52s - loss：0.3802 - val_loss： 0.3772

Epo ch 4/20 10496/10496 [=======] - 51s - 損失：0.3789 - val_loss： 0.3757

Epoch 5/20 10496/10496 [=======] - 52s - 損失：0.3778 - val_loss： 0.3752

曆元6/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 51S - 損失：0.3770 - val_loss： 0.3743

曆元7/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 54S - 損失：0.3763 - val_loss： 0.3744

曆元8/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 51S - 損失：0.3758 - val_loss： 0.3735

曆元9/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 51S - 損失：0.3754 - val_loss： 0.3731

曆元10/20一萬〇四百九十六分之一萬〇四百九十六[===== ==] - 51S - 損失：0.3748 - val_loss： 0.3739

曆元11/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 51S - 損失：0.3745 - val_loss： 0.3729

曆元12/20 10496/10496 [=======] - 54s - 損失：0.3741 - val_loss： 0.3723

大紀元13/20一萬零四百九十六分之一萬零四百九十六[=======] - 51S - 損失：0.3736 - val_loss： 0.3718

大紀元14/20一萬○四百九十六分之一萬○四百九十六[=======] - 52S - 損失：0.3733 - val_loss： 0.3716

曆元15/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 52S - 損失：0.3731 - val_loss： 0.3717

曆元16/20 10496/10496 [=======] - 51s - 損失：0.3728 - val_loss： 0.3712

Epoch 17/20 10496/10496 [=======] - 49s - los S：0.3725 - val_loss： 0.3709

曆元18/20一萬〇四百九十六分之一萬〇四百九十六[=======] - 36S - 損失：0.3723 - val_loss： 0。3710

大紀元19/20一萬○四百九十六分之一萬○四百九十六[=======] - 37S - 損失：0.3721 - val_loss： 0.3708

大紀元20/20一萬零四百九十六分之一萬零四百九十六======= =] - 37S - 損失：0.3720 - val_loss： 0.3704

來源

2016-10-19 MEHAK

沒有您的網絡架構，不可能回答您的問題。看起來你的模型不夠複雜，無法處理你的數據，所以這兩個錯誤都很大。 – pyan

您的網絡仍然是學習，而不是減慢這麼多的劃時代20.你可以嘗試更高的學習速度，並與早期的多個時期如果您有足夠的數據，則停止方法。這種方法也適用於正則化方法和k-fold交叉驗證。

來源

2016-10-19 14:14:34 bold

卷積自動編碼器中的訓練丟失和驗證丟失並沒有減少太多

回答

相關問題