卷积神经网络模型训练,深度卷积网络基本模型

卷积神经网络训练精度高,测试精度很低的原因

过拟合了，原因很多，解决方案也有很多。百度/谷歌搜索过拟合overfitting个人会优先尝试减小网络规模，比如层数、卷积滤波器个数、全连接层的单元数这些。

其他的比如Dropout，数据增强/扩充，正则，earlystop，batchnorm也都可以尝试。

谷歌人工智能写作项目：神经网络伪原创

cnn训练准确率很高，测试准确率很低（loss有一直下降）是为什么?

可能的原因：有可能是层数较少，可以尝试增加卷积层；可能性不大写作猫。之前我有出现过类似的情况，数据本身质量太低，就算训练层可以保证很高的准确率也没有什么意义，此时已经过拟合了。

这种情况是没有办法的，因为你的数据本身就有问题，无解。

你可以尝试用机器学习的方法提取特征值来验证，如果此时准确率比CNN结果要好，那么就是你网络本身的问题，如果准确率也很差，那就应该是你数据本身质量的问题。

如何更好的理解分析深度卷积神经网络

作者：杨延生链接：来源：知乎著作权归作者所有，转载请联系作者获得授权。"深度学习"是为了让层数较多的多层神经网络可以训练，能够work而演化出来的一系列的新的结构和新的方法。

新的网络结构