【发布时间】：2018-10-06 10:13:10
【问题描述】：
我在大约 102 个花卉类上训练了一个 Densnet121 架构。
数据是 102 个类别中每个类别的训练集、有效集和测试集中的大约 10-20 张图像。
我确实添加了一些大约 0.5 的 dropout，我注意到训练准确度约为 70%，验证准确度为 94%。
请让我知道下一步我应该做什么，因为根据我的理解，它没有被归类为高方差问题，如果我尝试非常好地拟合训练数据（处理偏差），恐怕它会影响我很好地拟合验证数据的能力，因为我在那里得到了 94% 的准确率，所以我不想伤害它。
【问题讨论】：
-
提问前请先通过*.com/help/how-to-ask，我更希望你把这个问题放到DataScience社区。span>
-
@EMKAY “我更喜欢”在这里不是一个合适的表达方式......
-
您的问题过于模糊和宽泛，您选择的标题与您的帖子不一致...
-
@EMKAY 虽然这个问题需要进一步澄清，但这些问题或多或少是在数据科学社区和 * 的交叉点上，因为它们产生的问题可能与实现相关，而不仅仅是理论上的，所以他们在家里。
标签： python machine-learning deep-learning image-recognition