loss 在2左右波动，准确率低

最新推荐文章于 2024-08-25 09:53:04 发布
最新推荐文章于 2024-08-25 09:53:04 发布
阅读量5.8k 收藏 1
点赞数 1
文章标签： 深度学习 loss 准确率
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/wzp3139725181/article/details/89706556
版权

用的全连接神经网络，识别图片。训练集上loss一直在2.0左右波动。准确率0-0.5跳动。
训练集上准确率10%左右。训练集有图片320张，测试集70张。是我的模型出问题了还是数据集太小？
这是训练模型时 的loss和准确率
测试准确率
实在是不知道哪出错了，一般什么样的错误会出现这种情况？？？

瞅谁、谁完蛋
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
神经网络模型loss不收敛、不下降问题汇总
科研学习笔记！
01-06 2万+
一、模型不收敛 主要有以下几个原因： 1.learning rate设大了会带来跑飞（loss突然一直很大）的问题 这个是新手最常见的情况——为啥网络跑着跑着看着要收敛了结果突然飞了呢？可能性最大的原因是你用了relu作为激活函数的同时使用了softmax或者带有exp的函数做分类层的loss函数。当某一次训练传到最后一层的时候，某一节点激活过度（比如100），那么exp(100)=Inf，发...
深度学习十分类loss一直保持在2.3是什么问题，求解答
qq_28063447的博客
05-27 5522
深度学习问题求大神解答-*- coding=UTF-8 -*- 最近在做基于alexnet网络训练cifar10的分类问题， 现在遇到问题是训练中loss一直保持在2.3左右不变，准确率也不上升 求各位大佬帮我看下代码，指出问题，谢各位大佬 代码如下： -- coding=UTF-8 -- import tensorflow as tf import os import numpy as np #...
Loss曲线震荡分析
东方佑
06-19 3808
https://blog.csdn.net/junmuzi/article/details/79860000 Loss曲线震荡: 分析原因: 1:训练的batch_size太小 当数据量足够大的时候可以适当的减小batch_size,由于数据量太大，内存不够。但盲目减少会导致无法收敛，batch_size=1时为在线学习。 batch的选择，首先决定的是下降方向，如果数据集比较小，则完全可以采用全数据集的形式。这样做的好处有两点， 1）全数据集的方向能够更好的代表样本总体，确定其极值所在。
训练loss很低，测试loss振荡不收敛
cherryna1027的博客
06-27 149
2.最好检查一下你的数据，数据才可能是真的问题所在，这是所有东西的根基，比如数据标签是否和样本对齐，数据是否有缺漏，数据是否有乱七八糟的混进来，本身一个周期到底包含多少帧等等等。1.有可能真的是过拟合，按照过拟合的思路去解决，比如在fc层前加个概率0.5的dropout层、减少模型的层数。
loss低但精确度低_无监督域适应在语义分割中的应用：熵loss
weixin_35559171的博客
12-06 1127
今天介绍一篇 CVPR 2019论文：ADVENT: Adversarial Entropy Minimization for Domain Adaptation in Semantic Segmentation域适应在语义分割中的应用，主要方法是最小化熵概览问题：在语义分割领域，利用源域有标签的数据，解决目标域无标签的问题。方法：引入熵loss，降低目标域的熵。动机左上角是源域的语义分割图。我们...
机器学习 Loss大的原因及解决办法 过拟合的原因及解决措施
weixin_51745630的博客
03-07 1万+
在从训练资料中得到Loss后，操作路径如下 Loss is Large 原因 （1）model bias 可能是model太简单/弹性不足，使得Loss没有足够小 解决办法： （1）增加features（增加训练资料范围） （2）Deep Learning（增加层数） （2）Optimization 可能是参数优化不足，使得Loss不够小 gradient descent 无法找出合适的参数使得Loss足够小，这里待补充（下节课才讲） 如何判断是哪种原因 若无法正确判断原因，一味寻找，会导致始终找不到足
解决Alexnet训练模型在每个epoch中准确率和loss都会一升一降问题
09-16
然而，这种方式可能导致数据集在不同类别间不能充分随机化，从而导致训练过程中准确率和loss出现异常波动。 #### 解决方案 为了解决上述问题，可以采取以下措施： 1. **使用Numpy Shuffle**: 在加载数据集之前，...
记录模型训练时loss值的变化情况
09-16
2. **Loss值波动剧烈，无法收敛**：这可能是学习率过高或过低导致的。学习率过高可能导致loss值快速震荡，而过低则会导致收敛速度慢。可以尝试使用学习率衰减策略，如指数衰减、余弦退火等，或者使用自动调整学习率...
开源mask rcnn分割模型训练loss下降图
04-03
一条平滑下降的曲线表示模型训练稳定，而波动较大的曲线可能意味着训练不稳定，可能需要检查数据预处理、优化器设置、学习率策略等因素。此外，损失在达到一定阶段后趋于平稳，这是模型达到收敛的标志，此时可以考虑...
python画yolo目标检测的loss曲线和mAP曲线等.zip
08-12
如果损失曲线在初期下降缓慢或者在某个点开始上升，这可能表明模型过拟合或欠拟合，需要调整超参数，如学习率、批大小或网络结构。 平均精度均值(mAP)是评估目标检测模型性能的关键指标，尤其在PASCAL VOC和COCO等...
深度学习参数对模型的影响：Loss(损失）、方差、Precision(精确度)、Recall（召回率
浅层阳光_DeepLearning
10-13 7240
损失、方差、precision_精确度、recall_召回率对模型的影响欢迎进入小太阳新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎进入小太阳 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你
深度学习loss函数理解
热门推荐
luo2007专栏Gods determine what you're going to be！
09-29 4万+
监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据。多么简约的哲学啊！因为参数太多，会导致我们的
训练loss不下降原因总结
Dandelion_2的博客
07-20 4755
当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降 训练集loss不下降 1.模型结构和特征工程存在问题 如果一个模型的结构有问题，那么它就很难训练，通常，自己“自主研发”设计的网络结构可能很难适应实际问题，通过参考别人已经设计好并实现和测
一文读懂深度学习中的损失函数（Loss Function）：回归损失、二分类损失和多分类损失
CCC的专栏
07-27 1万+
机器学习中的所有算法都依赖于最小化或最大化一个函数，我们称之为损失函数（loss function），或“目标函数”、“代价函数”。损失函数是衡量预测模型在预测预期结果方面做得有多好。求函数最小点最常用的方法是梯度下降法。损失函数就像起伏的山，梯度下降就像从山上滑下来到达最底部的点。 没有一个单一的损失函数可以完美适用于所有类型的数据。它取决于许多因素，包括异常值的存在、机器学习算法的选择、梯度下降的时间效率等等。本文的目的是了解不同的损失函数，以及它们的原理。 损失函数大致可分为两类：分类损失和回归损失，
关于CNN训练时loss停留在0.69，acc为0.5左右的问题
weixin_44791757的博客
04-13 4571
最近在用CNN作为主干网络来训练二分器时，出现了loss停留在0.69左右，acc在0.5左右的情况，在这里记录一下解决方法。 首先是我在网上收集到的方法以及我最终的解决方法。 方法1：查看数据有没有问题，看输入的数据及label是否正确。 方法2：数据没有问题的话，再查看一下输入到网络前你的data是否进行了归一化处理，如果数据没有进行归一化处理模型也容易爆炸无法收敛。 方法3：如何前面两个没有出现问题的话很大概率就是数据分布的问题，这也是一般模型无法收敛的重要原因，其解决方法就是在网络的最后一层
深度学习 loss不下降的解决方法，最全
A_pinkpig的博客
09-08 2万+
  当我们训练一个神经网络模型的时候，我们经常会遇到这样的一个头疼的问题，那就是，神经网络模型的loss值不下降，以致我们无法训练，或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多，而且，更普遍的来说，loss不下降一般分为三种，即：训练集上loss不下降，验证集上loss不下降，和测试集上loss不下降。这里，首先默认各位都能理解过拟合和欠拟合的概念。 一、训练集loss不下降   训练集的loss在训练过程中迟迟不下降，一般是由这几个方面导致的。 1.模型结构和特征工程存在问题   
PyTorch模型训练集正常收敛，但验证集准确率稳定在10%并保持不变
pprp的博客
08-07 4657
The Validation Accuracy of model, implemented in PyTorch, always got 10% and not converge.
深度学习--自监督学习
最新发布
GDHBFTGGG的博客
08-25 667
自监督学习是一种无需大量人工标注的数据驱动方法，在生成模型中应用广泛。自监督学习通过利用数据中的固有结构或属性创建“伪标签”，使模型在没有人工标签的情况下进行学习。这种方法既提高了模型的训练效率，又降低了对标注数据的依赖。
穆迪违约损失率模型开发与巴塞尔新资本协议
在巴塞尔新资本协议中，违约损失率（Loss Given Default, LGD）是衡量一旦借款人违约，银行预计能从抵押品或其他回收途径中收回的金额比例。LGD 对银行的资本充足率有着直接影响，因为它决定了银行必须为潜在损失...
评论 5
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