我正在基于 Poets 教程的 Tensorflow 使用 Inception 和迁移学习来训练图像识别模型。
我让它运行了 500k 步,希望在过度训练策略之前找到最佳步数。下面的张量板图像显示我的训练准确度稳步上升,但验证准确度已稳定在 70K 步左右。我的理解是,当开始过度训练时,验证准确性就会开始下降。
下图中我的最佳步数是多少? 70k 步还是 260k 步?
最佳答案
很明显,您的模型过度拟合。解决过拟合问题有以下几种解决方案:
1)提前停止。
2)正则化。
3) 通过减少层数或每层单元数来减少模型 VC 维度。
4) 扩充您的数据集。
5)应用迁移学习。
对于您的情况,您可以尝试提前停止。根据您的图表,最佳迭代次数是 60K。
关于tensorflow - 过度拟合的指示,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50187713/