1回答
验证损失或模型评估
、、、
我有一个门控递归单元(GRU)模型，我做了两个版本，每个版本略有不同。当我运行这两个版本时，版本1给我的验证均方误差(MSE)是0.0013，而版本2给我的是0.0015。这意味着版本1是一个更好的模型。我的问题是，在使用测试数据框架进行预测时，哪个版本被认为是更好的版本，哪个版本提供了更好的验证MSE，或者哪个模型提供了较低的MSE 谢谢。
浏览 21提问于2020-03-14得票数 0
回答已采纳
因此，假设我有一个二进制分类问题，我从一个logistic回归模型开始。我快速地评估了模型的准确性(假设我们没有倾斜的数据集)。在此之后，我开始实现其他模型的比较，我开始检查准确性评分，并绘制一条ROC曲线来评估AOC评分。但是，我不应该更早地绘制学习曲线吗?
浏览 0提问于2020-09-14得票数 0
2回答
我收集了大约1,500个标记数据并用yolo v3进行了训练，得到了~10的训练损失，验证损失~ 16。显然，我们可以使用真实的测试数据来评估模型的性能，但我想知道是否有一种方法来判断训练损失= 10是否是一个“好”的。或者，这是否表明我需要使用更多的训练数据来查看是否可以将其降低到5或更少？最终，我的问题是，对于具有预定义损失函数的知名模型，是否存在训练损失的“良好”标准值？
谢谢。
浏览 0提问于2018-06-28得票数 1
我有一个数据集在列车，测试和验证分裂分开。当验证分割中的损失不佳时，我停止训练，并选择它作为最终模型。
但是，我应该把训练和验证作为最终模型吗？
浏览 0提问于2019-08-26得票数 3
2回答
有几种可能性可以用来评估一个模型： (...)据我所知，我将使用X_test和y_test进行验证和预测。
我的问题是:它们有什么不同？
浏览 0提问于2019-10-17得票数 0
2回答
由于某种原因，当我获得历史(从model.fit返回的参数)时，验证精度高于训练精度，这真的很奇怪，但如果我在评估模型时检查分数，我会获得比测试精度更高的训练精度。请帮帮我!我做错了什么？为什么验证准确率高于训练准确率(您可以看到我在查看损失时也有同样的问题)。
浏览 1提问于2017-07-17得票数 16
回答已采纳
2回答
用11200幅图像数据集对神经网络进行了训练，验证准确率为96%。我保存了我的模型，并将它的权重加载到同一个神经网络中。我在一个数组中选择了我的数据集的738幅图像，并试图用我的模型来预测它们的类别，并将它们与真实的标签进行比较，然后再一次计算出准确率，它是74%。这里有什么问题？我想它的准确度应该在96%左右。我附上了我的模型地块，我想这并不过分，最后，我附上了一个超配的模型地块。
一个被覆盖的损失图是这样的
浏览 4提问于2020-02-21得票数 0
keras文档(顺序模型)将验证数据指定为:评估损失的数据和每个时期结束时的任何模型指标。该模型将不会在此数据上进行训练。 如果我们不指定验证数据，它会影响我们的输出吗？
浏览 66提问于2020-04-28得票数 0
回答已采纳
假设您使用类似于的设置中的验证数据集使用训练自定义。validation_data_input_fn, classifier, eval_spec通常，人们使用验证数据集来切断培训，以防止在培训数据集的损失持续改善时发生过度拟合，而对于验证数据集则没有。目前，允许一个人在多少steps (默认值为100)之后指定来评估模型。如何(如果可能的话不使用tf.contr
浏览 1提问于2018-10-04得票数 6
回答已采纳
2回答
当我用支持向量机训练一个模型的数据集时，首先执行哪一个过程，交叉验证还是网格搜索？我在几本书里读过这篇文章，但我不知道这一切该按什么顺序进行。如果第一次执行交叉验证，如果没有找到网格搜索提供的最优值，在那里使用什么超参数？此外，在整个过程中，应在何处计算混淆矩阵？
提前感谢
浏览 0提问于2020-03-02得票数 4
回答已采纳
3回答
为此，我使用了预先训练过的faster_rcnn_resnet50_coco_2018_01_28模型。这是否有可能在Tensorboard上策划一个验证损失？
浏览 1提问于2018-10-17得票数 2
回答已采纳
1回答
process...when，您将在定义和编译模型之后训练模型(适合它)，它将使用验证拆分参数，如下所示这似乎再次除以训练数据集20%的数据点，以验证我们的模型在培训期间。留给我们小数据来训练我们的模型。))
我的问题是，在培训完成后，验证数据会发生什么呢?它会自动添加，以某种方式来训练我们的模型，提高我们的最终
浏览 1提问于2020-12-12得票数 0
回答已采纳
2回答
我正在努力理解keras模型是如何工作的。 当我们训练模型时，我们给出指标(如“准确性”)和损失函数(如交叉熵)作为参数。我想知道的是模型优化的目标是什么。拟合后，leant模型最大限度地提高了准确性？或者最大限度地减少损失？
浏览 30提问于2020-10-27得票数 0
我一直在寻找不同用途的自动编码器，如降维，模糊或锐化图像和数据去噪。
用什么方法来确定自动编码器的可接受的损耗水平？
浏览 0提问于2019-10-29得票数 0
假设你遇到了一个损失曲线，如下所示。在何种情况下，你应该相信这个模型？最初的幸运猜测还是在它稳定下来之后？📷
浏览 0提问于2019-06-26得票数 1
回答已采纳
1回答
当我运行model.evaluate()来查看准确性时，我得到了非常高的损失值，即使我在训练模型时损失值很低(正常情况下小于1)，并且我得到了以下错误： WARNING:tensorflow:6 out
浏览 24提问于2021-01-18得票数 1
回答已采纳
3回答
对于评估损失，我实现了这一点，在这种情况下，为了获得损失，model.train()需要在：def evaluate_loss(model, data_loader,evaluate on the test dataset这看上去是正确的，还是会干扰培训或产生不准确的验证损失如果可以，通过使用此方法，是否有一种简单的方法可以应用于<em
浏览 33提问于2022-02-27得票数 4
回答已采纳
1回答
使用验证数据
、、
我不清楚使用验证数据的确切过程。
假设我拟合我的神经网络模型，并使用训练集和验证集来调整超参数。然后对这个模型上的测试集进行评估吗？还是重新组合验证和培训集，并将新的模型与我在验证阶段发现的超参数相匹配，然后对测试数据进行评估？我已经看到了许多不同的笔记本和例子，两者兼而有之。当然，一旦我找到了我的超参数，使用完整的训练集(与验证集重新组合)来拟合一个新的模型是有意义的，因为验证<
浏览 0提问于2019-02-07得票数 2
回答已采纳
2回答
我在解释这些损失和准确度图表时遇到了一些困难。例如，在第一个示例中，验证损失值相当低(它已经低于0.35)，但随后迅速偏离。另一方面，在第二种情况下，验证从较高的值开始，然后似乎达到平台期(它不会像第一种情况那样开始增长)。此外，第四张图似乎有些奇怪，因为验证损失和验证精度似乎都随着时间的推移而下降。
浏览 1提问于2020-01-05得票数 0
在过去的两个月中，我一直在尝试训练一个对象检测模型，并最终成功地遵循了这个。问题是，训练损失是显示出来的，它是在平均下降，但验证损失没有。在pipeline.config文件中，我输入了评估TFRecord文件(我假设它是验证数据输入)，如下所示：
metrics_set："coco_detection_metricsmap.pbtxt”num_epochs: 1
tf_record_input_re
浏览 2提问于2020-10-24得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
