→ y956403: 1標籤都是狗那你要分類的是什麼 不太懂 2趨勢是下降就正 02/28 08:47
→ y956403: 常 3沒有辦法訓練是指什麼 梯度爆炸嗎 02/28 08:47
→ clansoda: 應該說狗是其中一類label但是狗的訓練圖片又有三種方向 02/28 09:14
→ clansoda: 但是我們的結果不需要知道是正面狗 右側的狗或左側的狗 02/28 09:14
→ clansoda: 只需要知道是狗就好了,那這三種角度的狗的圖片比例不是 02/28 09:15
→ clansoda: 1:1:1的話 對於結果會有負面的影響嗎 02/28 09:15
→ clansoda: 感謝第二點的回答,第三點我知道為什麼了,我忘記加 02/28 09:15
→ clansoda: optimizer.zero_grad了 導致前面的gradient一直累積到 02/28 09:16
→ clansoda: 後面了 02/28 09:16
推 tsoahans: 1.可能會影響可能不會 hard example mining或focal loss 02/28 10:31
→ tsoahans: 就是用來解決這問題 正常的樣本有些很好分有些很難分 02/28 10:32
推 tsoahans: 你要看看你的模型在三種角度下,分類的正確率有沒有差異 02/28 10:34
→ tsoahans: 如果某個角度的狗分類正確率特別差,那再考慮變更權重 02/28 10:36
→ clansoda: 感謝樓上的分享,我會查一下hard example mining 02/28 11:13
→ clansoda: focal loss我在retinanet裡面看過,我會稍微研究一下 02/28 11:14
→ neil2003tw: 1要看你要應用在什麼樣的data上面,model會忠實呈現你 02/28 16:05
→ neil2003tw: 的訓練,如果正面照比例很高的話正面的acc就會比較好 02/28 16:06
→ neil2003tw: 你可以刻意用不同正面側面背面比例的test data去驗證 02/28 16:07
→ clansoda: 好的,我會在接下來的實驗上,特地測試稀少的類別 02/29 16:07
→ clansoda: 感謝您的回答 02/29 16:07