训练 CNN 时持续训练和验证准确性

Question

我正在使用 Deep Insight 库将其转换为图像的软件缺陷数据集上运行 CNN。在 CNN 上训练图像，在每个 epoch 之后，我都见证了持续的训练和验证准确性。我没有使用任何正则化技术，如 Dropout、Batch Norm 等。除了不断的训练和测试精度之外，你们都可以看到与模型相关的高偏差和高方差。如果您能建议一些步骤来帮助我避免获得这些恒定值并提高我的模型准确性，我会很高兴。 enter image description here

Answer 1

您似乎已陷入局部最小值。这很好，但可以说明您已经达到了当前实现的能力限制，有几种方法可以提高准确性。

1. 增加数据集大小：更多的数据通常会导致更好的泛化，从而提高准确性。数据集应该是 100 到 1000 项的数量级，特别是对于 CNN。一个有用的技术是使用image augmentation。
2. 增加模型复杂性：也许您有足够的数据，但模型不够复杂，无法解决问题。因此，增加模型的深度可能会有所帮助。