Ich habe Deep Learning-Modelle (CNN) mit Tensorflow ausgeführt. Viele Male während der Epoche habe ich beobachtet, dass sowohl der Verlust als auch die Genauigkeit zugenommen haben oder beide abgenommen haben. Mein Verständnis war, dass beide immer umgekehrt verwandt sind. Was könnte ein Szenario sein, bei dem beides gleichzeitig zunimmt oder abnimmt.Wie zu interpretieren Erhöhung in Verlust und Genauigkeit
Antwort
Der Verlust sinkt mit fortschreitendem Trainingsprozess, mit Ausnahme einiger Fluktuationen, die durch den Minibatch-Gradientenabfall und/oder Regularisierungstechniken wie Dropout (das zufälliges Rauschen einführt) verursacht werden.
Wenn der Verlust abnimmt, läuft der Trainingsprozess gut.
Die Genauigkeit (Validierung nehme ich an), stattdessen ist es das Maß dafür, wie gut die Vorhersagen Ihres Modells sind.
Wenn das Modell lernt, erhöht sich die Genauigkeit. Wenn das Modell überbaut, wird stattdessen die Genauigkeit erhöht und kann sogar abnehmen.
Wenn der Verlust abnimmt und die Genauigkeit abnimmt, ist Ihr Modell überanpassend.
Wenn der Verlust steigt und die Genauigkeit steigt auch, weil Ihre Regularisierungstechniken gut funktionieren und Sie das Überanpassungsproblem bekämpfen. Dies trifft nur zu, wenn der Verlust dann abnimmt, während die Genauigkeit weiter zunimmt. Andernfalls, wenn der Verlust weiter wächst, divergiert Ihr Modell und Sie sollten nach der Ursache suchen (normalerweise verwenden Sie einen zu hohen Lernratenwert).
- 1. Nvidia Digits Genauigkeit und Verlust Plots Daten
- 2. Keras Modell bekommt konstanten Verlust und Genauigkeit
- 3. Erhöhung der Genauigkeit der Gleitkommazahlen
- 4. Erhöhung der Genauigkeit in SelfAdjointEigenSolver in Eigen
- 5. InfoGainLoss führt zu Genauigkeit und Verlust von 0
- 6. SQL Server 2005 numerische Genauigkeit Verlust
- 7. Verlust der Genauigkeit von 4 Byte Char-Array zu int?
- 8. Tensorflow CNN Modell nicht Training? Konstante Verlust und Genauigkeit
- 9. Verlust der Genauigkeit bei der Verwendung von pow in C++
- 10. Wie Iostat zu interpretieren?
- 11. Multi-Entscheidungs-Engine zur Erhöhung der OCR-Genauigkeit
- 12. Wie Verlust in SVM zu vektorisieren
- 13. Wie zu interpretieren Namenskonvention in PyPI Paketnamen
- 14. Python TFlearn - Verlust zu hoch
- 15. Binary Klassifizierung in TensorFlow, unerwartet hohe Werte für Verlust und Genauigkeit
- 16. Byte by Byte muss Xor, aber seine Anzeige als Integer und Verlust der Genauigkeit Fehler?
- 17. Beziehung zwischen Crossentroy Verlust und Accurary
- 18. Das Hinzufügen von mehr Conv-Layern erhöht den Verlust und verringert die Genauigkeit. Tensorflow
- 19. Tomcat6, wie Stop Service Event zu interpretieren?
- 20. python minimalmdobus wie zu interpretieren register korrekt?
- 21. Erhöhung der Präzision von Polyeig in Matlab
- 22. Wie Windows Task Manager zu interpretieren?
- 23. Wie ein "const unique_ptr" zu interpretieren
- 24. Wie interpretieren Go stacktrace
- 25. Misclassification Fehlerrate und Genauigkeit
- 26. Welcher Zusammenhang besteht zwischen Verlust- und Validierungsgenauigkeit?
- 27. Vererbung von int und Erhöhung in Python
- 28. wie KeyEventargs in Windows8 Consumer Preview zu interpretieren
- 29. JavaScript in PHP interpretieren
- 30. Precision Verlust mit Doppel-C++
Beziehen Sie sich auf Verlust und Genauigkeit des Validierungssatzes oder Verlust und Genauigkeit des Trainingssatzes. –