machine-learning - 像 yolo 这样的 DL 模型的损失函数的“好”值是多少？

Question

我收集了约 1500 个标记数据并使用 yolo v3 进行了训练，得到了约 10 的训练损失，约 16 的验证损失。显然我们可以使用真实的测试数据来评估模型性能，但我想知道是否有办法判断是否这个训练损失 = 10 是一个“好”的？或者它是否表明我需要使用更多的训练数据来看看我是否可以将其推低到 5 甚至更少？

最终我的问题是，对于具有预定义损失函数的知名模型，训练损失是否有“好的”标准值？

谢谢。

Answer 1

你需要训练你的权重，直到平均损失变为 0.0XXXXX。检测具有匹配锚 IOU 的对象是最低要求。

更新：2018 年 11 月 28 日

在训练对象检测模型时，Loss 有时可能会随着大数据集的变化而变化。但是您需要计算的只是平均精度（MAP），它准确地给出了训练模型的准确度标准。

./darknet detector map .data .cfg .weights

如果您的 MAP 接近 0.1 即 100%，则模型表现良好。

点击链接了解更多关于 MAP：
https ://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173

Answer 2

您的验证损失是一个很好的指标，表明训练损失是否可以进一步减轻，我的意思是我没有任何一次性解决方案，您将不得不调整超参数并检查验证测试并进行迭代。您还可以获得通过查看损失曲线是一个好主意，当你停止训练时它是减少还是平坦，你可以了解训练的进展情况并做出相应的改变。祝你好运