不知道为什么训练集的效果会比验证集的效果差。而且发现训练集的召回率很低。
1条回答 默认 最新
似水不惧 2022-06-17 11:49关注这种情况要么就是模型本身参数设置和结构的问题，要么就是数据集少了，一般不会出现训练集比测试集还差
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 无用评论 打赏举报
分享
- 2021-09-17 09:55回答 1 已采纳 监控视频里面截取的？如果几乎一摸一样，建议删除掉这部分重复的吧，留下一些就可以，多余的对于数据集来说没有多大的意义，反而训练时间变长了。对于数据集来说，最终要的是要看数据的分布情况而不是数量，分布越广
- 2022-07-30 15:52回答 1 已采纳 可以的，这不就是典型stacking思想吗，但是用处不太大，容易过拟合
- 2020-03-10 11:08回答 2 已采纳 训练集和测试集可以相同这个问题就好比如果你是一个老师，你出考卷的时候，可以和你上课讲的题目一样么。 乘以0.8就是80%训练20%测试
- 2022-03-17 12:51mooyuan天天的博客 在学习《深度学习原理与pythorch实战》这本书的4.3.4划分数据集这一小节（即76页划分数据集）的过程中，提到了训练集、测试集与验证集这几个概念，以及为何相对于通用的训练集、测试集，多了一个验证集的概念。...
- 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
- 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
- 2024-03-28 10:37【内容摘要】项目文档：lableMe标注的分割数据划分训练集和测试集 【适用人群】AI模型训练（图像分类/分割） 【适用场景】当我们用lableMe标注好了文件后，一般需要对已标注数据集进行有效划分的需求，确保训练过程...
- 2022-12-31 20:12回答 2 已采纳 很遗憾，我无法确定你遇到的问题的原因。在没有更多的信息的情况下，我只能给出一些潜在的建议。 首先，如果你发现模型使用更大的权重文件时在 GPU 上运行会导致数据全部变为 nan，可能是因为你的 GP
- 2022-11-03 19:01回答 1 已采纳 这里少了一个斜杠
- 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
- 2024-04-15 09:34在人工智能领域，特别是计算机视觉，高质量的数据集是训练模型的基础。"AI检测汽车车牌的训练数据集：VOCdevkit.zip"就是一个专为车牌识别任务设计的重要资源。该数据集包含3665张已经精确标注的图像，为开发和优化...
- 2022-03-29 20:00回答 1 已采纳 我觉得可能是数据的问题。我之前做叶绿素，验证集也是一直低于训练，但是这是没问题的，可能是数据量太小的缘故，但是我那个数据量提升也还是验证loss低于训练
- 2022-11-13 19:00地理探险家的博客 数据在人工智能技术里是非常重要的！本篇文章将详细给大家介绍3种数据集：训练集、验证集、测试集。 同时还会介绍如何更合理的讲数据划分为3种数据集。最后给大家介绍一种充分利用有限数据的方式：交叉验证法。
- 2022-06-28 16:10内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好...
- 没有解决我的问题, 去提问
问题事件
系统已结题
7月4日
已采纳回答
6月26日-
创建了问题
6月15日