这听起来可能很愚蠢:CNN 会过度训练吗?就我目前所见,拥有很多epochs和parameters是CNN成功的关键。而且我几乎没有发现任何关于过度训练 CNN 的内容。
但是,我的数据集遇到了一些问题。我一直在训练很长一段时间,训练的准确性正在提高。但是,我的验证集准确度在 epoch = 1 时很大,然后开始下降(我跑了大约 30 个 epoch)。
这是我的数据集的问题吗?还是我做错了什么?还是我过度训练 CNN?那么少于 1 个 epoch 就足够了吗?
这听起来可能很愚蠢:CNN 会过度训练吗?就我目前所见,拥有很多epochs和parameters是CNN成功的关键。而且我几乎没有发现任何关于过度训练 CNN 的内容。
但是,我的数据集遇到了一些问题。我一直在训练很长一段时间,训练的准确性正在提高。但是,我的验证集准确度在 epoch = 1 时很大,然后开始下降(我跑了大约 30 个 epoch)。
这是我的数据集的问题吗?还是我做错了什么?还是我过度训练 CNN?那么少于 1 个 epoch 就足够了吗?
CNN 与任何其他神经网络一样,如果在同一训练数据集上训练时间过长,则会过度拟合训练数据。验证集的目的是在验证集的性能开始下降时停止训练,这表明模型过度拟合了训练数据。检查此以获取更多信息。