人脸小样，训练精度0.96，但是测试的时候全部分为同一类

查看全部 · 发表于 2018-10-11 10:14:32

快来加入 TensorFlowers 大家庭！

您需要登录才可以下载或查看，没有帐号？加入社区

x

500张单同学A的照片，500张陌生人的照片放到alexnet下训练（加了bn），每批次32张，训练了300批次左右训练精度到了0.96，但是测试的结果全部都是同一类，全是A或者全是陌生人，甚至是拿训练集中的照片结果都不对（全部分成同一类），有人遇到过这种问题吗？

精度计算公式： accuracy = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(out, 1), tf.argmax(y_, 1)), tf.float32))

数据的输入没有问题，打乱了顺序，也不存在全部输入的为同一类的问题。难道是正负样本差别不大？但是人脸都差不多啊。。用的模型是Alexnet，换了vgg也不行。

十分纠结的点是为甚么训练精度这么高，拿训练集的图片都分不出来啊

我知道答案回答被采纳将会获得10 金币 + 10 金币已有4人回答

拉芳 · 发表于 2018-10-11 14:45:26

降低了学习率（1e-6），结果出来了，只不过泛化能力不好。。

π4202 · 发表于 2018-10-11 19:40:57

这叫过拟合吗

by叮咚 · 发表于 2018-10-11 21:52:01

试试加入正则化缓解过拟合，正则化权重W,
tf.add_to_collection('losses',tf.contrib.layer.l2_regularizer(regularizer)(w)) #把正则化后的w作为losses集合
loss=cem+tf.add_n(tf.get_collection('loss')) #总loss

by叮咚 · 发表于 2018-10-11 22:04:39

还有，试试加入滑动平均，也可以增加模型的泛化能力

人脸小样，训练精度0.96，但是测试的时候全部分为同一类

快来加入 TensorFlowers 大家庭！

精彩评论4

TF 使用案例

新帖排行

热点动态