Ich verwende ein modifiziertes AlexNet (cifar-10-Modell) in den Tensorflow-Tutorials, um einige Bilder von mechanischen Teilbildern zu erkennen, aber sehr seltsame Ergebnisse zu bekommen.Seltsame Ergebnisse für die Bilderkennung mit AlexNet in Deep Learning
Die Trainingsgenauigkeit soll sehr bald 100% erreichen. Aber die Testgenauigkeit beginnt so hoch wie 45%, die sehr schnell auf so niedrig wie 9% abnimmt.
Ich mache meinen Test auf einem Trainingssatz von 20.000 Bildern und Test-Set von 2.500 Bildern mit 8 Kategorien. Ich mache die Ausbildung und Prüfung von Charge mit einer Größe von 1024.
Die Genauigkeit und Trainingsverlust wird unten gezeigt, und man kann sehen, dass:
- Die Testgenauigkeit beginnt bei so hoch wie 45%, was doesn‘ t Sinn machen.
- Die mechanischen Bilder werden als ‚linke Klammer‘ Accuracy Classification results
Was meinst du mit "Batch" im Test? – malioboro
Haben Sie ein drittes Bild über Klassifikationsergebnisse? – Alex
Ich füttere das Modell mit Bildern von Batch-Größe von 1024. :) –