→ GTX9487: 你的99.5%的辨識率是Training 還是 Test? 02/27 12:28
→ jikker: training 99.5 test 98.9 02/27 12:34
→ h821231: 參數跟初始都有可能造成差異吧 02/27 12:54
→ followwar: MNIST pretrain後 在你的dataset上finetune 02/27 12:56
→ patrick2dot0: 把8跟9的data抓出來train看看? 02/27 12:56
→ patrick2dot0: 分成8，9，others 看分不分的出來 02/27 12:57
→ GTX9487: 4樓的意思是 MNIST 訓練完的參數為初始參數 02/27 12:59
→ patrick2dot0: 噢 我知道 我的回文不是針對四樓 02/27 13:05
→ GTX9487: 我只是幫4F解釋清楚 別緊張 哈哈 02/27 13:10
→ aaaba: 先把診斷資料整理出來吧，例如：confusion maxtrix 02/27 13:23
→ aaaba: 如果你自己的8、9沒有特別怪異，你也可以用mnist訓練出來的 02/27 13:25
→ aaaba: 那個分類器跑一遍你自創的那批資料，看看結果如何 02/27 13:25
→ brian980466: MNIST test不到99其實不強 02/27 13:27
推 pinky750619: 你的手寫資料圖片有跟他原本數據庫的格式一樣嗎？印 02/27 14:06
→ pinky750619: 象中，例如圖片大小相同？圖片顏色是否二值化且手寫 02/27 14:06
→ pinky750619: 白色背景黑色？ 02/27 14:06
→ jikker: 文字黑色 背景白色 這點相同 但我的資料大小是58*48 02/27 15:35
→ jikker: 有把它縮為28*28 02/27 15:35
→ jikker: 有空再把我的資料open出來 02/27 15:35
→ jikker: 我的資料是真實資料 所以有10幾個人的不同筆跡 02/27 15:38
推 GTX9487: 那很有可能就是前處理的問題了 02/27 15:39
推 cc9i: 看要不要把code貼上來 80% train accurate是有收斂嗎? 02/27 16:44
→ cc9i: 你訓練時train data有shuffle嗎? 還是說以label順序下去跑 02/27 16:48
→ jikker: 有收斂 資料是照順序下去跑的耶 @@ 02/27 16:49
→ circus: Overfitting? 02/27 17:06
→ jikker: 天阿!!!! 真的是訓練資料要打散的問題 感謝各位大大 02/27 17:12
推 seasa2016: 想請問 為什麼shuffle會影響結果呢？ 02/27 17:28
→ jikker: 資料是一批一批跑的 一次執行都算1 下一次執行都算2 02/27 18:05
→ jikker: 每次fitting完 下一次近來的資料都完全不同 效果自然差 02/27 18:05
→ GTX9487: 原來不是前處理的問題!?@@ 02/27 18:27
推 sore: 你的訓練資料不平衡 02/27 18:49
→ brian980466: 前幾個 batch 看到的東西對 model 影響比較大 02/27 19:39
→ gus2: 好奇你shuffle後辨識率多少 02/27 20:24
推 galapous: 每個batch training label 都很相近的話 02/27 20:49
→ galapous: minibatch的意義就沒了，gradient很容易衝過頭overfitti 02/27 20:49
→ galapous: ng 02/27 20:49
推 cc9i: 原po把改完的結果回報一下啦 順便問問你optimizer用哪個 02/27 21:11
推 GTX9487: 推推 好文章推起來 02/27 23:26
推 chris810314: 這不就是minibatch的概念嗎？如果你的minibatch沒有 02/27 23:54
→ chris810314: 足夠獨立的樣本，那可能就會學到原本不該學的東西！ 02/27 23:54
推 huaishuo: 弱弱問一下 model的正確率是要看training的還是validati 02/28 14:21
→ huaishuo: on的，還是是看val_acc最高的那個epoch的acc呢？ 02/28 14:21
推 ljn3333: val 02/28 17:55
推 Kazimir: 我覺得很有可能是前幾個batch把NN玩壞了 所以最後到89的 03/01 01:37
→ Kazimir: 的時候已經失去學習能力 03/01 01:37