实现将数据集分成训练集与验证集和测试集，训练集900张，验证集和测试集分别为100张，然后利用keras框架进行模型训练，loss一直在降低，acc也一直在上升，但是val_loss小到一定程度就基本不变了，val_acc也是一直在徘徊，acc能够达到1，val_acc在0.8左右徘徊，可是最终用测试集验证模型却只有0.3的准确率，请问是怎么回事啊？
浏览 620
已采纳
可是最终用测试集验证模型却只有0.3的准确率，请问是怎么回事啊？
- 写回答
- 好问题 提建议
- 追加酬金
- 关注问题
- 分享
- 邀请回答
微信扫一扫4条回答 默认 最新
相关推荐 更多相似问题
- 2021-02-25 00:59回答 4 已采纳 模型的泛化能力不行，即训练集数据覆盖范围小了，并没有覆盖到大部分情况。举个例子来说，你训练的数据都是圆形的，你用来测试矩形，那肯定不行啊。
- 回答 1 已采纳 现象很正常啊，遇到陌生的数据损失肯定会高，loss肯定是在震荡但整体呈下降趋势的
- 2021-03-30 18:10回答 2 已采纳 看了你的问题，你说的没错：一般应该是训练集得分高于测试集得分。 但是，偶尔一次或者几次出现测试集得分>训练集得分这种情况也是会发生的。所以我们在测试模型的准确度得分时，往往看的是平均得分。所以
- 2020-10-05 17:14lazyn的博客 最终模型在训练集与验证集上的正确率均达到0.999，将训练好的模型保存到本地，测试过程中直接读取本地模型对视频帧进行图像识别，正确率却远达不到0.999，即模型在训练集与验证集上的正确率很高，但在测试集上的正确...
- 2018-09-10 22:43bobo_jiang的博客 这篇论文的idea是对于一定数量的测试集，模型越可靠，平均置信度（Average Confidence）越接近准确率（Accuracy） 从上图中可以发现，虽然Lenet 准确率比Resent低，但Lenet 模型输出置信度更能够代表真实的概率...
- 没有解决我的问题, 去提问
