在训练网络的过程中测试集的正确率过低

Question

我的数据集一共有47447张图片，用40000张来做训练集，剩下的用做测试集，batch=32，epoch=100，训练的过程中随手记录了训练到目前的准确率数值啥的，目前进行了20多个epoch，数据都转化为float了，大小也都一样，这属不属于过拟合？如果是的话我还需要继续训练么？我增大batch数量会不会好一点？

 

Answer 1

 

问题分析：

很有可能是过拟合了！

解决方案：

（1）增加Dropout，随机断开神经网络之间的连接，减少每次训练时实际参与计算的模型的参数量，从而减少了模型的实际容量，来防止过拟合。

（2）增加正则化，这是通过在损失函数上添加额外的参数稀疏性惩罚项（正则项），来限制网络的稀疏性，以此约束网络的实际容量，从而防止模型出现过拟合。

（3）数据增强，即增加训练样本，这也是解决过拟合最直接的一种方式。

（4）调整网路，选用更轻便的网络架构，或者去掉原来网络中的某些卷积层，防止过度拟合。

以上的解决方案，可以具体参考我之前的博客专栏：https://blog.csdn.net/wjinjie/category_9766908.html

最后，答题不易，如果觉得我的回答对你有帮助，那就请给个采纳吧～