• tensorflow模型训练图片


    关注 码龄 粉丝数 原力等级 -- 被采纳 被点赞 采纳率 2303_79716028 2024-03-31 14:01 采纳率: 0% 浏览 2 首页/ 编程语言 / tensorflow模型训练图片 python 训练集的准确率达到99.8%但是验证集只有59%测试集准确率只有40%,训练集大概有7500张图片,验证集大概有1000张图片,测试集有500张图片,这要怎么解决啊? 收起 写回答 好问题 0 提建议 追加酬金 关注问题 微信扫一扫 点击复制链接 分享 邀请回答 编辑 收藏 删除 结题 收藏 举报 追加酬金 (90%的用户在追加酬金后获得了解决方案) 当前问题酬金 ¥ 0 (可追加 ¥500) ¥ 15¥ 20¥ 50¥ 100¥ 200 支付方式 扫码支付 二维码出错 点击刷新 支付金额 15 元 提供问题酬金的用户不参与问题酬金结算和分配 支付即为同意 《付费问题酬金结算规则》 结题 再想想 删除 再等等

    2条回答 默认 最新

    • 码农阿豪 Java领域优质创作者 2024-03-31 14:02
      关注
      让阿豪来帮你解答,本回答参考chatgpt3.5编写提供,如果还有疑问可以评论或留言
      这种情况下通常出现了过拟合现象。过拟合是指模型在训练集上表现优秀,但在验证集和测试集上表现较差的情况,因为模型在训练集上学习到了过多的特征,导致泛化能力下降。 解决过拟合可以尝试以下方法:
      1. 增加数据量:可以使用数据增强技术来扩充训练集,减少过拟合的发生。
      2. 减少模型复杂度:可以尝试减少网络层数、减小参数量等,使得模型更加简单,减少过拟合的风险。
      3. 正则化技巧:如L1和L2正则化、Dropout等,这些技术可以有效防止过拟合。
      4. 使用预训练模型:可以使用已经训练好的模型,在其基础上微调,减少过拟合的风险。 例如,我们可以尝试使用Dropout技术,在模型中添加Dropout层,随机丢弃一部分神经元,避免过拟合,代码如下:
      from keras.models import Sequential
      from keras.layers import Dense, Dropout
      model = Sequential()
      model.add(Dense(64, activation='relu', input_dim=100))
      model.add(Dropout(0.5)) # 添加Dropout层,随机丢弃50%的神经元
      model.add(Dense(64, activation='relu'))
      model.add(Dropout(0.5)) # 再次添加Dropout层
      model.add(Dense(1, activation='sigmoid'))
      model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])
      model.fit(x_train, y_train, epochs=20, batch_size=128, validation_data=(x_val, y_val))
      

      以上代码中,我们使用了两次Dropout,每次丢弃50%的神经元。这样可以有效防止过拟合的出现,提高模型在验证集和测试集的准确率。

      评论
      2303_79716028 2024-03-31 14:06

      好的谢谢,我试试

      回复
      2303_79716028 2024-03-31 14:08

      那我能通过修改数据集的比例来改变过拟合嘛?

      回复
    • CSDN-Ada助手 CSDN-AI 官方账号 2024-03-31 16:02
      关注

      【相关推荐】



      • 这篇博客: Tensorflow框架搭建教程中的 识别率为0.9121,也就是91% 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

         


      如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^
      评论
    编辑
    预览

    报告相同问题?

  • 相关阅读:
    什么情况?吉利减持沃尔沃股份套现3.5亿美元
    看完这篇,你也可以画出有趣的动态曲线
    SSL/TLS工作原理:密钥、证书、SSL握手
    互联网摸鱼日报(2023-10-23)
    AAOS音频路由 问题分析
    大规模语言模型的模型结构---编码器-解码器结构(GLM,UL2系列)
    复制活动工作表和计数未保存工作簿进行
    数据泵(impdb)导入Oracle分片的数据库dump文件
    java解析与生成json数据的四种方式,比如将json字符串转为json对象或json对象转为json字符串
    [附源码]java毕业设计个人事务管理系统
  • 原文地址:https://ask.csdn.net/questions/8081781