我正在使用预先训练过的GoogLeNet,然后在我的数据集上对其进行微调,以便对11个类进行分类 . 验证数据集似乎给出了“loss3 / top1”86.5% . 但是当我评估我的评估数据集的性能时,它给我77%的准确性 . 无论我对train_val.prototxt进行了哪些更改,我都在deploy.prototxt中进行了相同的更改 . 验证和评估准确性之间的差异是正常的还是我做错了什么?有什么建议?
为了在验证数据集上获得训练模型的公平估计,您需要以有意义的方式设置 test_itr 和 test_batch_size .
test_itr
test_batch_size
所以, test_itr 应该设置为:
Val_data / test_batch_Size
其中, Val_data 是验证数据集的大小, test_batch_Size 是验证阶段的batch_size中设置的验证批量大小值 .
Val_data
test_batch_Size
1 回答
为了在验证数据集上获得训练模型的公平估计,您需要以有意义的方式设置
test_itr
和test_batch_size
.所以,
test_itr
应该设置为:其中,
Val_data
是验证数据集的大小,test_batch_Size
是验证阶段的batch_size中设置的验证批量大小值 .