前提：
1、使用的预测图就是训练集中的图而非新图，所以是否应该排除泛化不够的问题？
2、环境python+bisenet
3、预测数据远不如验证集体现在预测图像比验证图像多出很多杂色斑点，ran'er同样的一张图再验证集中的预测就很干净。
深度学习中训练集和验证集拟合很好，但是实际预测中远不如验证效果？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
- 2023-03-22 23:19回答 2 已采纳 你这曲线一开始就不对劲了，为什么一开始val就比train的好？数据集比例失衡吗还是分布不一样？不然没道理说一开始val就比train好了几个点
- 2022-07-21 23:10回答 2 已采纳 趋势相同应该还不算，只有当趋势背离，即训练集的评估指标变好，但是验证集评估指标变坏的时候，才算过拟合。
- 2022-06-22 10:51回答 3 已采纳 不是，你这个是class_loss一塌糊涂导致你的pr和map曲线也不行，但是你的obj和box是正常的，也就是说网络有找到目标，只不过目标在分类的时候分错了。首先考虑的应该是你的数据集情况。1.你的
- 2022-01-18 10:53人工智能技术与咨询的博客 由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力,深度强化学习已经成为实现人工智能颇有前景的学习范式.然而,深度强化学习在多Agent 系统的研究与应用中,仍存在诸多困难和挑战,以StarCraft II 为代表...
- 2022-02-12 12:41回答 1 已采纳 这种情况排除代码问题的话一般还是过拟合了。图像类问题，建议采用CNN，FCN处理高维数据神经元太多，容易过拟合。如有帮助请采纳
- 2022-10-18 16:20回答 2 已采纳 1.7%也不算多啊，数据集小一些或者数据集分布偏差点就这样了是否还是得看loss曲线或acc曲线来判断。比如训练集loss不断下降，验证集先下降后上升，就是经典的过拟合现象；或者验证集的loss基本上
- 2019-07-25 20:24回答 2 已采纳 首先一点，我习惯讲问题，很啰嗦。因为我想把问题讲的连之前不知道的人都可以清楚明白。你不介意就继续看吧。 第一个：我们训练模型其实在做什么。 神经网络模型本质就是一个算法，一个组合的算法。我们训练神
- 2020-07-06 21:23Tim_Tang_CS的博客 当下以数据驱动的AI，在实际场景中，我们很难有大量带标签的训练样本，当我们使用深度学习神经网络训练一个模型时，数以百万计的模型参数需要训练，数据量太小的话，很容易产生过拟合，训练出的模型也很难具备良好的...
- 2019-01-02 15:55回答 1 已采纳 直接写在卷积层的参数里 https://keras.io/zh/regularizers/
- 2021-04-03 13:35回答 1 已采纳 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。 （
- 2022-02-05 14:50回答 2 已采纳 少训练上一些轮或者提前终止，要不你就在训练集里加上一些错误的例子
- 2022-10-18 17:47深度物联网的博客 数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。...MNIST是深度学习领域标准、易用的成熟数据集，包含50 000条训练样本和10 000条测试样本。
- 2021-03-23 15:58回答 3 已采纳 1k5左右就差不多了，过拟合的话不一定，要看下有没有防止过拟合的手段，如果你的项目是开源项目的话，一般会有这方面的限制的。
- 2024-04-09 17:19はなHANA__的博客 为了解决这些问题，我们旨在通过利用类别之间的关系信息和视觉语义的聚合，以及将CLIP表示适应到像素级任务，来关注图像中的对象与给定类别之间的关联。然而，我们观察到直接优化CLIP嵌入可能会损害其开放词汇的能力...
- 2020-06-01 19:56qq_28168421的博客 （给机器学习算法与Python学习加星标，提升AI技能）作者|毕然百度深度学习技术平台部主任架构师内容来源|百度飞桨深度学习集训营本文转自飞桨PaddlePaddle导...
- 没有解决我的问题, 去提问
