给定一定数量的标记数据，我们定义网络结构，例如层数、层类型、卷积层数、池化层数等。
并使用反向传播训练参数，同时我们显示训练过程中的损失并查看验证数据集的测试准确性。
但是，训练集的损失几乎为零，无论如何降低学习率，测试精度都保持不变。
- 在这种情况下，是否过拟合？
- 我们应该改变网络结构吗？
- 更多层以获得更多参数？
- 您能否推荐一些建议或参考资料？
在卷积神经网络中，如何防止过拟合？
机器算法验证
神经网络
深度学习
过拟合
卷积
深度信念网络
2022-03-26 08:30:14
2个回答
我会说在使用反向传播时计算错误时可能存在错误。
还有你的数据有多大？您在模拟中使用了多少个 epoch？你的训练是如何进行的？如果我能获得更多数据，我可以为您提供更多帮助。
这可能会对您有所帮助：http ://www.cs.toronto.edu/~hinton/csc2515/notes/lec4.htm
也许你可以试试 dropout 技术。我听说它可以有效防止过度拟合。
- 辍学：防止神经网络过度拟合的简单方法，作者 Nitish Srivastava、Geoffrey E. Hinton、Alex Krizhevsky、Ilya Sutskever、Ruslan R. Salakhutdinov 机器学习研究杂志，2014 年。PDF
最近，谷歌甚至为这项技术申请了专利！！！
其它你可能感兴趣的问题