关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率

已采纳
用keras 实现的resnet,但是训练下来过拟合严重,请问怎么加入正则化?
收起
- 写回答
- 好问题 0 提建议
- 关注问题
微信扫一扫
点击复制链接分享
- 邀请回答
- 编辑 收藏 删除 结题
- 收藏 举报
1条回答 默认 最新
- 关注
码龄 粉丝数 原力等级 --
- 被采纳
- 被点赞
- 采纳率
threenewbee 2019-01-02 08:39关注直接写在卷积层的参数里 https://keras.io/zh/regularizers/
本回答被题主选为最佳回答 , 对您是否有帮助呢? 本回答被专家选为最佳回答 , 对您是否有帮助呢? 本回答被题主和专家选为最佳回答 , 对您是否有帮助呢?解决 1无用举报微信扫一扫
点击复制链接分享
评论按下Enter换行,Ctrl+Enter发表内容
报告相同问题?
提交
- 2018-12-15 10:14回答 1 已采纳 正则化也可以加在层上的。 是否有效,这个没法说,不同的模型差别很大,还有你数据如果不足,模型太复杂等,都可能过拟合。 除了正则化,还可以试试看dropout
- 2022-05-03 18:40回答 2 已采纳 原数据第一列是时间形式的20220503这种,在读数据之后进行下面操作,你的数据是简单的1 2 34这种,数据可能在处理过程丢失或者变成nan了,你可以一步步看看每次处理后当前的数据现在是什么格式 d
- 2019-07-10 15:22回答 2 已采纳 softmax层一般是做分类,如果你要识别圆心,并且你的样本的标记就是圆心的坐标,那么激活函数可以选择relu 或者 tanh,最后输出值的维度=2,也就是输出一个x一个y
- 2020-12-21 15:17weixin_39793434的博客 阅读完本文,你就学会了在Keras框架中,如何将深度学习神经网络Dropout正则化添加到深度学习神经网络模型里。Dropout正则化是最简单的神经网络正则化方法。其原理非常简单粗暴:任意丢弃神经网络层中的输入,该层...
- 2021-03-18 16:11回答 2 已采纳 帮你改了下代码,路径你自己再改改,验证集acc能跑到0.8以上了。 import os import tensorflow as tf from tensorflow.keras import S
- 2023-03-06 22:21回答 3 已采纳 可能是因为模型训练不充分或者数据集不够多造成的,可以尝试增加训练次数或者增加数据集来提高模型的准确性。同时,也可以检查一下模型的结构和参数是否设置合理。
- 2022-11-03 19:01回答 1 已采纳 这里少了一个斜杠
- 2021-01-29 12:05weixin_51182518的博客 1、过拟合与欠拟合 当polynomial feature 的高次项越来越大时,模型预测可以在训练集上有好的结果,但在测试集上表现很差。 欠拟合 模型的复杂度小于真实数据的复杂度,叫欠拟合 训练集表现很差 测试集表现也很差 ...
- 2022-10-27 20:21回答 2 已采纳 没有看过源码,但是我的使用经验告诉我这两个是一样的,很有可能是同一个代码封装了两个入口。
- 2023-03-05 18:39回答 2 已采纳 尝试一下调整参数吧,或者加层数试试
- 2021-12-02 19:03回答 1 已采纳 建议将模型继承keras.Model来写一个自定义模型,在定义训练步骤里写如何计算损失,这样的模型仍然可以使用fit方法来训练
- 2018-07-18 21:35mdjxy63的博客 何凯明大神在2015年提出了Resnet结构,于2016年对于该结构进行了优化,提出了Resnet-bottlenet结构,本文代码基于Resnet-bottlenet结构进行实现,本文主要实现pre-activation residual module # -*- coding:...
- 2019-03-05 14:43蓝色橘猫的博客 问题2描述:resnet50迁移学习,最终训练集上的准确率一直在攀升,但验证机上的准确率一直上不去,在一定程度上出现了过拟合现象,但加很多的BN、dropout、l1和l2正则化手段都不能有效的解决问题。 ...
- 2020-11-10 22:30留小星的博客 文章目录pytorch学习(十)——过拟合相关问题及解决方案一、过拟合定义二、过拟合出现的原因:三、解决过拟合的方法:四、正则化5、MNIST数据集使用dropout方法减小过拟合的可能性6、MNIST 数据集使用L1和L2正则化 ...
- 2019-08-14 13:44BlogQing的博客 2019-8-14 resnet50过拟合处理 训练自己的训练集的时候,发现训练集的acc远大于测试集的acc,很可能是过拟合的原因。 有很多过拟合处理方法: 1、Dropout层 2、正则化处理 3、增大数据集(数据增强) 下面的...
- 没有解决我的问题, 去提问