2分类任务, Epoch 设置为300 峰值精度可达93.1%
模型拟合的比较困难,整个模型的精度也未上升到最高的位置,280个epoch以后,精度出现了下降,loss略有回升的趋势。
对模型做了3分类,验证,精度只有86%。
对模型训练过程的超参进行优化:
首先,
lr设置为0.001,手动设置每100epoch将0.1倍,结果,在10个epoch里面,损失在不断上升。如下。
之后,
修改训练策略,使用RMSprop优化器, 加入data argument , 设定自适应学习率阈值,对模型重新训练。
三分类结果如下;
设置370个epoch,最高精度到达97.11%,提升效果显著。
二分类结果如下:
模型优化参数设置不变,Epoch设置为500,二分类最高精度可到99.2%。比之前93.1%的二分类精度提升了不少。
模型结构和参数进行优化。
对论文中Resnet50进行了复现,又在FC层之间加入了Dropout(0.3)来对抗过拟合。
可以看出,过拟合确实没有发生,精度变化平稳 ,loss变化平稳