【DeepCV】模型训练--有图有真相

Backto DeepCV

在实际训练模型中，要把关键指标用图表现出来，观察-判断-调整-观察，直到达到预设目标(放弃)为止。

Figure 1 通过观察 epoch-loss 曲线，判定 LR 是否得当；
Figure 2 通过观察更细化的 epoch-loss 曲线，epoch 细化成了每个 mini-batch，batch 参数设置是否得当;
Figure 3 通过观察 Accuracy(training/validation) - epoch 曲线， 确定模型是否 under-fitting or over-fitting.

再看具体的场景，
，可以发现train_loss 走的比较好，但是 val_loss 一直很高而且动荡很大。说明了什么？说明平时学习不错，但考试成绩糟糕且波动很大。分析原因，很可能是训练样本单一但是测试样本多样，导致了学习很容易但是测试动荡出错。可能的解决方案是若数据量不大，考虑增加训练集的数量和种类；若样本集比较大了，考虑把训练样本和测试样本重新混洗，cross-validation 试试。