【过拟合】深度学习卷积神经网络训练测试集准确率acc=1和验证集准确率val
2020/5/6——2020/5/7记录
1读标签
读csv文件作为深度学习标签将csv文件另存为.csv（逗号分割）文件，然后用记事本打开，将“”，全替换成“;”（注意中英文，程序中和TXT文件中要一致），然后就可以在程序中对txt文件readlines啦。
2 改bug
python 使用opencv读取图片，解决cv2.error: OpenCV(4.1.0) C:projectsopencv-pythonopencv…报错首先检查文件路径是否正确
如果保证文件路径没有错误的情况下，请检查你的图片格式。我网上下的jpg格式是可以正常读取的，但是当我转化为png 就会报错！所以第二个原因就是你图片的格式问题。
出现这个问题，一般是路径上面的错误，仔细查看自己输入的图片路径是否正确
检查发现自己少写了.jpg，改正后可以正常运行。
3训练集与测试集准确率一直为1，acc=1.0 ,val_acc=1.0
搜索到以下可能性：
1.模型是否收敛？模型不收敛就是模型问题。
2.数据是否混洗
3.模型是否过拟合。验证集几乎不动，而训练集还在下降，说明过拟合。改模型结构，加正则化，加数据。
4.修改学习速率。减小lr，增大epoch，观察是否能走出局部最小值。
5.不小心给负样本的权重为0？
6.首先对部分简单任务，验证集精度可以到1；其次，如果要验证集和训练集有重合，也会导致精度为1;再不行看看加大验证集试试。还不行就看看数据载入有没有出错，比如label载入的对不对，数据是不是正常，精度计算是不是错了之类的
7.训练集＆验证集＆测试集的数据分布有出入，这是我认为出现这个结果最有可能的原因．分析三个数据集的分布，如果分布不一致那么可以通过改变数据分布来改善你这个问题．如果数据分布没问题，那么就是你的模型复杂度太高，导致过拟合，可以尝试正则化如果第二点也尝试了，那么你可以尝试一些其他的数据集，如果在其他数据集上的表现还可以，那么就确定是你数据集的问题，如果表现同样很差，很有可能是你模型的问题
8 .scale your data before training? Are
相关知识
基于卷积神经网络的花卉识别技术 Flower Recognition Based on Convolutional Neural Networks
利用深度学习解决生活中实际问题——卷积网络实现花卉分类识别（附带数据集，完整代码在最后，机器学习阶段测试）
用于深度学习的花卉数据集
深度学习实战：AlexNet实现花图像分类
卷积神经网络（CNN）鲜花的识别
深度学习pytorch实战二：AlexNet图像分类篇且官网提供花数据集分五类
【神经网络与深度学习】使用MNIST数据集训练手写数字识别模型——[附完整训练代码]
pytorch深度学习框架——实现病虫害图像分类
基于卷积神经网络的花卉识别方法
卷积神经网络训练花卉识别分类器
网址: 【过拟合】深度学习卷积神经网络训练测试集准确率acc=1和验证集准确率val https://m.huajiangbk.com/newsview1155511.html
| 上一篇: springBoot 常用@注解 |
下一篇: 【媒体视角】人民法院报 |
