python - 我过拟合了吗？

Question

平滑度较低时的外观

你好！我目前正在使用 Darkflow Yolov2 训练我的模型。优化器是具有 lr 0.001 的 SGD。根据这张图，我的 val loss > train loss，这是否意味着它是过拟合的？如果是，推荐的行动方案是什么？这看起来很奇怪，因为两个损失都在减少，但 val 损失更慢。

有关更多信息，我的火车数据集由每个类 400 个图像组成，带有单个注释，总共 2800 个图像。我这样做是为了防止类不平衡，每张图像只注释一个类实例。我的 val 数据集包含 350 张图像，带有多个注释。基本上，我注释了图像中的每个对象。我有 7 个班级，我的 train-val-test 拆分为 80-10-10。这是 val 损失的原因吗？

Answer 1

过拟合检测包括不匹配，因为训练精度与测试（验证）精度不同。由于您尚未提供该数据，我们无法评估您的模型。

这可能有助于澄清阶段和条款；这应该让您将来自己回答这个问题：

“收敛”是训练中我们相信模型的点

• 学到了有用的东西；
• 通过可重现的过程达到了这一点；
• 不会明显好转；
• 即将变得更糟。

收敛是我们想要停止训练并保存（检查点）模型以供生产使用的地方。

我们通过使用训练通过和测试（验证）通过来检测收敛。在收敛时，我们期望：

• 验证损失（误差函数、困惑度等）处于相对最小值；
• 验证准确度处于相对最大值；
• 就模型的一般行为而言，验证和训练指标“相当稳定”；
• 训练准确率和验证准确率基本相等。

一旦训练运行通过了这一点，它通常会转变为“过度拟合”，在这种情况下，模型会学习特定于训练数据的东西，以至于它不再擅长推断新的观察结果。在这种状态下，

• 训练损失下降；验证损失增加；
• 训练准确率提高；验证准确率下降。