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