tensorflow2.0中valid_data的作用是在训练的过程对对比训练数据与测试数据的准确率 损失率，便于判断模型的训练效果：是过拟合还是欠拟合（过拟合）

最新推荐文章于 2022-12-29 15:43:33 发布
最新推荐文章于 2022-12-29 15:43:33 发布
阅读量1.4k 收藏 2
点赞数
分类专栏： tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/studyvcmfc/article/details/106080472
版权

tensorflow2.0中valid_data的作用是在训练的过程对对比训练数据与测试数据的准确率，便于判断模型的训练效果：是过拟合还是欠拟合

过拟合:训练数据的准确率较高而测试数据的准确率较低

欠拟合：训练数据的准确率和测试数据的准确率均较低

 

下图未过拟合，因为val_acc准确率高于训练数据的acc( B站搜 tensorflow2.0入门与实战2019最通俗易懂课程 日月光华P16)

下图观察损失函数可以判断产生了过拟合，因为测试集合上的圈中的损失在下降到最低之后（第7个epoch）反而上升了,而训练数据的损失函数是一直下降的（B站搜 tensorflow2.0入门与实战2019最通俗易懂课程 日月光华P15）

 

 

火星种萝卜
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【TensorFlow】TensorFlow从浅入深系列之七 -- 教你使用验证数据集判断模型效果
中科院AI算法工程师的博客
11-19 1551
本文是《TensorFlow从浅入深》系列之第7篇 TensorFlow从浅入深系列之一 -- 教你如何设置学习率（指数衰减法） TensorFlow从浅入深系列之二 -- 教你通过思维导图深度理解深层神经网络 TensorFlow从浅入深系列之三 -- 教你如何对MNIST手写识别 TensorFlow从浅入深系列之四 -- 教你深入理解过拟合问题（正则化） TensorFlow从浅入...
数据挖掘与数据分析应用案例 数据挖掘算法实践 基于Python的卷积神经网络在Tensorflow算法中的文本分类研究.doc
最新发布
06-30
### 数据挖掘与数据分析应用案例：基于Python的卷积神经网络在Tensorflow算法中的文本分类研究 #### 一、数据和预处理 在本研究中，我们关注的是如何利用卷积神经网络(Convolutional Neural Network, CNN)进行文本...
validation_data作用
weixin_30363981的博客
06-14 2546
validation_data用来在每个epoch之后，或者每几个epoch，验证一次验证集，用来及早发现问题，比如过拟合，或者超参数设置有问题。 这样可以方便我们及时调整参数 针对超参的选择我们是根据验证集上的效果来进行调整的，因此验证集可以看做参与到“人工调参”的训练过程； 2）注意训练集、验证集和测试集应该服从同一数据分布，这样我们才能进行玄学调参； 3）测试集是可以没有的，但验证...
使用tensorflow训练自己的数据集（四）——计算模型准确率
QQQ的博客
10-14 9185
使用tensorflow训练自己的数据集—定义反向传播 上一篇使用tensorflow训练自己的数据集（三）中制作已经介绍了定义反向传播过程来训练神经网络，训练完神经网络后应对神经网络进行准确率的计算。 import time import forward import backward import genertateds import tensorflow as tf # 等待时间 TEST...
接上文（调整加载逻辑）：Tensorflow2.3加载文本数据转为train_data,val_data,test_data,
qq_40974572的博客
12-09 564
上一篇文章：https://blog.csdn.net/qq_40974572/article/details/110875780，是参考官网实例，整体写下来还是觉得加载过程比较不清晰，所以有整理了一遍，功能全写为函数里面，看着更加清晰。 第一部分是原文中的三个函数，基本不变，参数变量写在前头。 import collections import tensorflow as tf import tensorflow_text as tf_text import os BUFFER_SIZE = 5
tensorflow sigmoid 如何计算训练数据的正确率_如何用一套引擎搞定机器学习全流程？...
weixin_39710660的博客
11-22 131
作者:陈戊超(仲卓)深度学习技术在当代社会发挥的作用越来越大。目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域，此外还在向社会各个领域迅速渗透。背景当前，深度学习的应用越来越多样化，随之涌现出诸多优秀的计算框架。其中 TensorFlow，PyTorch，MXNeT 作为广泛使用的框架更是备受瞩目。在将深度学习应用于实际业务的过程中，往往需要结合数据处理相关的计...
yolov8算法人脸表情识别训练权重+训练数据集+pyqt界面+教程
05-25
yolov8算法人脸表情识别训练权重， 包含人脸表情识别数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签， ...
yolov5算法人脸表情识别训练权重+数据集
05-25
yolov5算法人脸表情识别训练权重， 包含人脸表情识别数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签， ...
基于TensorFlow的验证码识别项目源码+数据集，不需要对图片进行切割
10-18
将验证码图片分别放在 <工作目录>/data/train_data/ 用于模型训练，<工作目录>/data/valid_data/ 用于模型效果评估， <工作目录>/data/test_data/ 用于验证码识别测试，图片命名样式是 验证码内容_*.jpg 或者 验证码...
yolov9算法人脸表情识别训练权重+数据集
06-22
yolov9算法人脸表情识别训练权重， 包含人脸表情识别数据集，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8，yolov9等算法可以直接进行训练模型，txt格式标签， ...
TensorFlow2.0教程-使用keras训练模型
dpoerpoiwetiop的博客
02-19 711
1.一般的模型构造、训练、测试流程 import tensorflow import tensorflow as tf from tensorflow import keras import numpy as np from tensorflow.keras import layers inputs = keras.Input(shape=(784,), name='mnist_input')...
关于在js中for循环之后无法使用data[i].val()等方法取值的问题
myarche的博客
05-11 2251
经历过两次，第一次明明自己解决了，但第二次自己就是想不起来。function datadel(){ var checkbox = $(":checked"); var id = []; for (var i=0;i&lt;checkbox.length;i++) { id.push(checkbox.eq(i).val()); } }上面代码...
Tensorflow线性支持向量机的使用
小龙在线
02-26 1139
本文将从iris数据集创建一个线性分类器。如前所述，用花萼宽度和花萼长度的特征可以创建一个线性二值分类器来预测是否为山鸢尾花。 # Linear Support Vector Machine: Soft Margin # ---------------------------------- # # This function shows how to use TensorFlow to # cr...
神经网络与深度学习笔记（五）validation_data 的作用
My Honor！ My World！
08-15 9861
**为何要用 validation_data 而不是 test_data 来防止过度拟合？为何要用 validation_data 而不是 test_data 来设置更好的超参数？**如果 我们设置超参数是基于 test_data 的话，可能我们最终就会得到过度拟合于 test_data 的超参数，但是网络性能并不能够泛化到其他数据集合。我们用 validation_data 来克服这个问题，一旦获
tensorflow2.0中model.fit 函数参数详解
xiaofeixia002X的博客
12-29 1813
【代码】tensorflow2.0中model.fit 函数参数详解。
python训练模型函数参数_简单三步，即可对任何Python脚本进行超参数优化！
weixin_39611546的博客
11-23 470
您是否有过编写了一个Python脚本来训练和评估机器学习模型的经历？你想自动调整超参数以提高其性能吗？那么这篇文章将能够帮助到你！在这里中，我将向你展示如何将脚本转换为可以使用任何超参数优化库进行优化的目标函数。只需要3个步骤，你就能调整好模型参数。准备好了吗？我们开始吧！你的main.py脚本看起来像这样：import pandas as pdimport lightgbm as lgbfrom...
深度学习之超参数搜索
chen_RX的博客
07-29 2394
深度学习的网络训练，超参数的选取至关重要，本文介绍了如何使用搜索策略来确定超参数组合，并且给出了代码的模板
caffe学习笔记（四）--制作自己的数据集train.txt和val.txt，生成LMDB文件
热门推荐
张文龙的博客
12-15 1万+
在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,png,tif等格式的，而且有可能图片的大小还不一致。 我今天尝试制作一个自己的训练数据集
CNN模型实现多分类的训练过程中如何实现数据清洗，生成pytorch代码
05-30
在CNN模型实现多分类的训练过程中，数据清洗是非常重要的一步，可以通过以下步骤实现数据清洗： 1. 加载数据集：首先需要将数据集加载到程序中，可以使用PyTorch的Dataset和DataLoader类来实现。其中Dataset类用于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值