4
사전 교육 된 GoogLeNet을 사용하고 있으며 11 개 클래스를 분류하기 위해 내 데이터 세트에서 미세 조정했습니다. 다른 base_learning rate으로 다음 구성을 시도했지만 accuracy이 더 이상 개선되지 않습니다.정확도가 더 나아지고 있지 않습니다.
나는 사전 훈련 GoogLeNet 모델을 사용하고 지난 10 레이어와 50K에 속도 0.01 최대 반복 학습베이스 처음 3 층에 미세 조정을하고 있지만,이 구성은 제공하지 않습니다 정확도는 75 % 이상입니다.
사전 교육 된 GoogLeNet 모델을 사용한 다음 기본 학습 속도 0.01 및 최대 반복 횟수 50K로 마지막 2 개 레이어에 대해 미세 조정을 수행했지만이 구성은 정확도가 71 %를 넘지 않습니다.
사전 학습 된 GoogLeNet 모델을 사용한 다음 기본 학습 속도 0.001에서 최대 반복 횟수 50K로 마지막 6 개 레이어에 대해 미세 조정을 수행했지만이 구성은 85 % 이상의 정확도를 제공하지 않습니다.
아무도 말해 줄 수, 내가 정확성을 개선하기 위해 변경할 수있는 다른 방법이나 매개 변수는 무엇인가?
데이터 세트를 변경하는 것은 어떻습니까? –
우선, 모델 선택 + 성능 평가를 올바르게 수행하고 있습니까? 다른 하이퍼 매개 변수를 시도하고 가장 높은 성능을 가진 하이퍼 매개 변수를 선택하면 오버 피팅이 발생합니다. 둘째, @AshutoshSingla가 이미 언급했듯이 특정 데이터 세트로 더 나은 성능을 얻지 못할 수도 있습니다. – George
학습 과정을 보모하셨습니까? 더 일찍 학습을 중단해야합니까? RMSPROP 또는 ADAM과 같은 다른 최적화 도구를 사용해 보셨습니까? –