66问答网
所有问题
卷积神经网络训练精度高,测试精度很低的原因
如题所述
举报该问题
推荐答案 2018-11-30
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
温馨提示:答案为网友推荐,仅供参考
当前网址:
http://66.wendadaohang.com/zd/UnDs92s229xsv29nxpv.html
其他回答
第1个回答 2018-11-29
怎么走了老子老婆
第2个回答 2018-11-29
和奔驰c200l买哪个好
第3个回答 2018-11-29
,,,,,,,,
第4个回答 2018-11-29
,,,,,,,,
相似回答
神经网络训练
时准确度突然变得急剧下降,为啥?
答:
可能是因为太激进,设置
太高的
学习率,也可能是因为设置的参数的问题。
为什么在类别少时
卷积神经网络
识别率
很高,
类别多时识别率下降_百度知 ...
答:
问题太复杂,神经网络训练时的收敛压力也越大,效果自然没有之前好
。另外可以选择调整下网络参数,对结果会有一些改进。
bp
神经网络
误差
精度
小于设定值
的原因
答:
预测效果不好。通过查询bp
神经网络
误差
精度
小于设定值资料了解显示得知,bp神经网络误差精度小于设定值
的原因
是预测效果不好。
神经网络:
卷积神经网络
(CNN)
答:
1) 需要很长的训练时间,因而对于有足够长训练时间的应用更合适
。 2) 需要大量的参数,这些通常主要靠经验确定,如网络拓扑或“结构”。 3) 可解释性差 。该特点使得神经网络在数据挖掘的初期并不看好。 优点: 1) 分类的准确度高 2)并行分布处理能力强 3)分布存储及学习能力高 4)对噪音数据有很强的鲁棒性...
卷积神经网络训练
次数越多越好吗
答:
卷积神经网络训练
次数不是越多越好。训练次数越多不能说明越精确
,精度
主要决定于几个重要参数,隐含层节点数,传递函数的设置,还有目标值和学习效率等等,训练时也会出现过拟合现象,随着训练次数增多反而误差越大。
电脑跑
卷积神经网络
会很卡
答:
参数多,内存占用大。根据查询中关村在线显示,电脑跑
卷积神经网络
mnist的数据大,一次放入太多训练数据,占用了内存。可以单步调试一下,看看训练数据有多大,确实训练数据太大的话,要么分批次要么换个大显存的显卡,毕竟深度学习还是得用显卡。每次所有样本一起
训练,
用分batch训练,调整batchsize大小,从1...
大家正在搜
神经网络训练精度
神经网络的预测精度取决于
BP神经网络的预测精度达不到
卷积神经网络的应用
卷积神经网络原理
如何提高神经网络精度
卷积神经网络实现
全卷积神经网络
卷积神经网络详解
相关问题
在卷积神经网络中,为什么验证分类精度高于测试精度
深度卷积神经网络 为什么每次epoch 提高准确率
卷积神经网络中的验证精度是什么意思
深度学习为什么加入卷积神经网络之后程序运行速度反而变慢了
怎么评判卷积神经网络训练得差不多了
为什么卷积神经网络最后预测输出结果都是0
为什么卷积神经网络很快就收敛了