我正在使用 CNN 网络将图像分为 5 类。我的数据集大小约为 370K。我使用 Adam 优化器,学习率为 0.0001,批量大小为 32。令人惊讶的是,我在各个时期的验证准确性方面得到了提高,但验证损失却在不断增长。
我假设模型对验证集的不确定性越来越低,但准确性更高,因为 softmax 输出的值大于阈值。
最佳答案
正如之前的评论指出的那样,我认为这是过度拟合的情况。过度拟合可能是数据集中高方差的结果。当您训练 CNN 时,它显示出良好的训练误差减少率,从而生成更复杂的模型。更复杂的模型会产生过度拟合,并且当验证误差趋于增加时可以注意到这一点。
Adam 优化器负责学习率、指数衰减以及模型的一般优化,但不会采取任何措施来防止过度拟合。如果您想减少它(过度拟合),您将需要添加正则化技术,该技术将惩罚模型中较大的权重值。
您可以在深度学习书籍中阅读有关此内容的更多详细信息:http://www.deeplearningbook.org/contents/regularization.html
关于python - 验证准确率提高,但验证损失也在增加,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51321826/