推 sssh: validation set 怎麼切出來的 ?有沒有imbalance 的問題07/02 14:14
→ sssh: 另外,您的資料集部分利用現在的 augmentation 設定是否合理07/02 14:15
→ sssh: val acc 不動,那 loss 有變動嗎 ? 07/02 14:16
→ sssh: 我覺得 train acc 這樣其實蠻低,有可能是分類器結構的問題07/02 14:17
我是按各類別比例切的,的確是有一類約較少,約500,其他類皆有1500-2500左右,共40
多類,可能算是有一點不平衡,但不確定會不會是最主要的因素。
加入augmentation後的準確率有上升,但我沒有思考過各個augmentation的設定,所以這
也會是一個問題嗎
val loss算是有動,不過變化不大,大概每個epoch會降0.1,但acc幾乎不動,如果是分
類器問題的話,是應該要選再深一點的模型嗎?謝謝!!
※ 編輯: stellawang18 (27.242.15.153 臺灣), 07/02/2020 18:38:32
推 truehero: 先用兩類試試吧 如果data沒問題 通常是loss寫錯或超參 07/02 20:39
→ truehero: 數不對07/02 20:39
我用兩類試了,training acc約0.9,validation acc有到0.5,但後來降到0.48
data算是有些noise,但主要是不曉得為何training和validation結果差很多
推 min86615: 這資料量不要用pretrain了07/02 23:59
是因為資料量太多嗎,我一開始也沒有用pretrain,是有人推薦我用的,雖然training結
果變好,但反而validation變很差
※ 編輯: stellawang18 (27.242.15.153 臺灣), 07/03/2020 00:21:58
※ 編輯: stellawang18 (27.242.15.153 臺灣), 07/03/2020 00:23:36
※ 編輯: stellawang18 (27.242.15.153 臺灣), 07/03/2020 00:25:29
→ min86615: 你要pretrain試試看Adam lr調大資料分布不太一樣,lr 太 07/03 06:48
→ min86615: 小影響不大,我是建議不要load pretrain啦 07/03 06:48
了解!我再試試不用pretrain,謝謝你!!
推 ballislife: 碰到過類似的問題,當時是因為BN的moving mean/var還07/03 08:02
→ ballislife: 沒有收斂,特別是當BN的momentum較大的時候07/03 08:02
→ ballislife: 把BN的momentum調小試試,或是多train幾個epoch讓其07/03 08:04
→ ballislife: 收斂07/03 08:04
是指調pretrain內的BN嗎?
※ 編輯: stellawang18 (39.11.129.250 臺灣), 07/04/2020 00:25:47
推 ballislife: 是的 07/04 03:26
原來!沒有想到調BN!找到方向了,我再研究看看,非常謝謝你!
※ 編輯: stellawang18 (39.11.129.250 臺灣), 07/04/2020 12:35:02
推 dogppatrick: 如果你是在弄蝦皮那個 我推薦effiectnet / xception 07/06 11:06
對~!雖然結束了但會再試試你推薦的方法,真是實作才知道自己能力多不足,謝謝你!
!
※ 編輯: stellawang18 (39.11.129.250 臺灣), 07/06/2020 21:39:16
※ 編輯: stellawang18 (39.11.129.250 臺灣), 07/06/2020 21:39:40