【问题标题】:Sentiment analysis using images使用图像进行情感分析
【发布时间】:2020-03-02 06:18:36
【问题描述】:

我正在尝试对图像进行情感分析。 我有 4 节课 - 好笑、好笑、非常好笑、不好笑。 我尝试了像 VGG16/19 densenet201 这样的预训练模型,但我的模型过度拟合,训练准确率超过 95%,测试大约 30 有人可以提出建议我还能尝试什么吗? 训练图像 - 6K

【问题讨论】:

    标签: python-3.x neural-network sentiment-analysis


    【解决方案1】:

    您可以尝试以下方法来减少过拟合:

    • 实施提前停止:计算每个时期的验证损失和停止的耐心阈值
    • 实现交叉验证:参考章节交叉验证 https://cs231n.github.io/classification/#val
    • 使用批量标准化:将层的激活标准化为 单位方差和零均值,提高模型泛化能力
    • 使用 Dropout(或者使用批量规范):随机将一些激活归零以激励所有神经元的使用

    此外,如果您的数据集不是太具有挑战性,请确保您不要使用过于复杂的模型并过度执行任务。

    【讨论】:

    • 我已经尝试了上面的东西,我认为模型过于复杂我会尝试从头开始构建模型
    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 2011-11-21
    • 2013-11-15
    • 2015-02-17
    • 1970-01-01
    • 2019-12-18
    • 2018-06-25
    • 2020-10-23
    相关资源
    最近更新 更多