理想的深度学习模型,其损失曲线应该是逐渐下降,最终收敛的。
但是,有的时候loss偏偏不收敛,可能代码啥都没改,就换了个预训练模型,然后模型就崩了,你说气不气?
可能的解决方法——加大 batch_size
简而言之,在数据集类别不均衡的时候,如果batch_size很小,那么可能这一批样本都是同一个类别,导致后续模型判别有失偏颇。增大batch_size后,就会一定程度上缓解这个问题。
今天 batch_size 依次设置为 24,36 和 64,见证 loss 从发散、震荡再到收敛。
另外借鉴大佬的回答:
参考资料:
[1] https://www.zhihu.com/question/32673260/answer/71137399#showWechatShareTip
猜你喜欢:👇🏻
⭐【算法】SVM分类精度为0,结果很烂怎么办?
⭐【算法】深度学习神经网络都调哪些参数?
⭐【算法】梯度消失与梯度爆炸