이것은 바보 같은 질문처럼 보일 수 있지만, 좋은 결과를 얻으려면 caffe의 테스트 단계가 어느 정도까지 중요한지 이해하려고합니다. 물론 훈련 단계는 중요하지만 훈련되지 않은 세트에서 주기적으로 얼마나 많은 손실이 발생하는지 테스트하는 테스트 단계입니다. 이 경우 테스트 세트의 크기가 중요합니까? 테스트가 전혀 중요합니까? 나는 현재 심각한 과장 문제가 있기 때문에 물어 본다. 대형 데이터 세트 (> 50 000 이미지)가있는 경우 테스트와 열차 사이에서 어떻게 나누어야합니까?Caffe에서의 교육과 테스트 단계의 차이점
Caffe는 교육을 수행하는 동안 테스트 세트의 결과를 사용하지 않으며 과핑과 같은 일부 문제를 해결하기 위해 일부 매개 변수를 수정하지 않습니다.
유효성 검사 세트 (교육 중 테스트 세트)는 정확도 또는 손실 값을 살펴보고 결과를 플로팅하거나 출력을보고 모델이 데이터를 초과 구현하는지 여부를 시각화하기위한 것입니다.
예를 들어, 학습 세트의 손실이 반복마다 줄어들고 테스트 세트의 손실이 계속 증가하는 경우, 이는 훈련 세트에 너무 많은 모델의 견고한 사례입니다. 이러한 결론을 얻으려면 테스트 세트에 대해 선택된 이미지가 교육 세트의 이미지와 동일하지 않아야합니다. 테스트 기차 이미지 수에 대해 1:10의 비율을 유지하는 것이 이상적입니다. 테스트 집합이 trainset의 하위 집합을 사용하는 경우 testset의 손실이 줄어들어 모델의 초과 동작을 감지하지 못할 수 있습니다.
감사합니다. 내 인상이기도합니다. – jerpint