在深度学习中,我们应该根据列车/纬度损失和准确度选择最佳模型,但我怎么知道哪个点最好?
无论其他指标如何,它是否仅取决于val准确度?
还有两个相关的问题:
最佳列车/阀门损耗和精度曲线如何?
如果列车损失减少且列车精度增加,我该怎么办,但是在长时间训练后,val精度会增加而val精度会停止增加?
它看起来像这样:
train accuracy
train loss
val accuracy
val loss
首先,您需要根据开发/验证数据集的结果选择模型 . 因此,val精度和val损失用于判断模型的性能 .
在某种程度上,较高的val精度通常与较低的val损失相关 . 那是因为你的损失用来衡量预测结果和地面实况之间的差异 .
通过不同的指标衡量不同的问题,就像我们经常在机器翻译中使用BLEU得分一样,您需要阅读一些关于您的研究领域的论文,以获得受欢迎的指标 .
在模型训练中,火车损失减少和val损失增加是非常正常的外观,它通常意味着您的模型过度拟合 . 它学习的功能太多只出现在训练数据集中,而不是整个数据集中 .
至于处理过度拟合,有很多方法,如早期停止,下降层等 . 你可以谷歌它 .
1 回答
首先,您需要根据开发/验证数据集的结果选择模型 . 因此,val精度和val损失用于判断模型的性能 .
在某种程度上,较高的val精度通常与较低的val损失相关 . 那是因为你的损失用来衡量预测结果和地面实况之间的差异 .
通过不同的指标衡量不同的问题,就像我们经常在机器翻译中使用BLEU得分一样,您需要阅读一些关于您的研究领域的论文,以获得受欢迎的指标 .
在模型训练中,火车损失减少和val损失增加是非常正常的外观,它通常意味着您的模型过度拟合 . 它学习的功能太多只出现在训练数据集中,而不是整个数据集中 .
至于处理过度拟合,有很多方法,如早期停止,下降层等 . 你可以谷歌它 .