自己搭建了一个多分类模型，在训练的时候，测试集损失下降了，但测视集分类精度却没有提升，甚至还下降了几个百分点，这是什么原因？求解答，谢谢。
3条回答 默认 最新
- 2022-02-25 12:13回答 1 已采纳 （1）你没有给出模型，数据情况，谁也分析不了（2）训练误差小，测试误差大，这是典型的过拟合（3）损失值降为 0，还是下降很快，接近于 0，这是完全不同的，从问题描述和图中看不出来
- 2023-03-02 22:15回答 1 已采纳 基于Monster 组和GPT的调写： 假设两个 VGG16 网络使用不同的训练集进行训练，其中训练集的类别不完全相同。虽然训练集中的“人”和“狗”类别相同，但其中一个网络在训练集中包含更多的猫类别。
- 2022-11-28 14:30回答 1 已采纳 用同一个模型，预测值应该是一样的。如果是同一个网络训练出的不同模型，预测值可能不同。什么分布我也不知道，但差异应该很小。
- 2022-10-11 19:19UQI-LIUWJ的博客 而注意力不适合，需要明白： （1）注意力本身就是一种特征，通过附加到源特征上，实现一种类似特征增强的效果，因此从原理上讲，添加注意力，即使结果不变好，也不见得变差，但实际却经常遇到结果变差的情况（原理...
- 2021-02-25 16:07回答 2 已采纳 这证明经过dct变换、局部二值模式处理后，损失了部分有效图像特征；或者灰度图、二值处理图、dct图在三个通道对应分量上的特征无法组合成更优图像特征。这在神经网络调参过程中是很常见的，明明觉得处理一下分
- 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
- 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
- 2023-11-02 14:19霸时斌子的博客 关于深度学习的线性神经网络
- 2021-07-01 21:07回答 1 已采纳 训练数据集默认代表所有数据集的分布（采样原则），所以训练集如何归一化，那么预测就如何操作。如果训练集分布不能代表所有数据集分布，需要进行定向数据增强或者增加训练集样本。1）常规的分类，直接减均值除以方
- 2018-10-31 08:03回答 2 已采纳 具体要看你的程序，如果你不使用batch，那么通常的做法是把当前的权重在所有数据之上跑一次（正向传播），然后算出梯度，根据梯度修正每个隐层的权重（反向传播），这个整个的过程算一个迭代。 你说的每年的
- 2023-02-16 00:19回答 2 已采纳 以下答案引用自GPT-3大模型,请合理使用： 修改意见！ 答：报错的意思是matlab从2016a版本到2022b版本的变化，使得训练参数和输入输出格式存在差异。这里的问题是需要将训练参数进行修改，
- 2023-07-07 10:21sinat_38007523的博客 与使用固定学习算法从头开始解决任务的传统人工智能方法相反，元学习旨在根据多个学习片段的经验来改进学习算法本身。我们调查了元学习的有前景的应用和成功案例，例如小样本学习和强化学习。通常，元学习是对从任务...
- 2020-10-11 17:54weixin_26729375的博客 神经网络初始化权重Machine learning and deep learning techniques have encroached in every possible domain you can think of. With the increasing availability of digitized data and the advancement of ...
- 2024-01-20 00:30林聪木的博客 由于车道线是连续的，相邻锚点 应该相互靠近，连续性是通过约束分类向量在相邻行锚点的分布来实现的，为了 约束车道点的位置关系，提出了车道线形状损失和结构损失，如公式(2-20)(2-21)从划分的角度而言，...
- 2024-06-03 08:48我叫czc的博客 人工智能技术是一种快速发展的最先进技术，利用基于字节流的原始数据和深度学习架构，提供比传统方法更好的准确性和性能。 LSTM和GAN模型的集成是用于合成数据的技术，导致训练数据集的扩展，从而提高检测精度。本文...
- 没有解决我的问题, 去提问
问题事件
系统已结题
9月4日
已采纳回答
8月27日-
创建了问题
7月24日