python - 何时判断我们的 CNN 模型是否过拟合？

Question

我有这个模型，我用 100 个 epoch 训练： Model with 100 Epoch

然后我保存模型并再训练 100 个 epoch（总共 200 个 epoch）： 额外 100 个 epoch 的模型（200 个 epoch）

我的问题是，我的模型没有过拟合吗？是最优的吗？

Answer 1

过度拟合是指模型捕捉到未来不会出现的模式。这导致预测准确度下降。

您需要在未在训练或验证中看到的数据上测试您的模型，以确定它是否过度拟合。

Answer 2

过度拟合是指您的模型在训练集上得分很高，而在验证测试集（或现实生活中的训练后预测）上得分很低。

在训练模型时，请确保已将训练数据集分成两个子集。一种用于训练，一种用于验证。如果你发现你的验证准确度随着训练的进行而下降，这意味着你的 CNN 已经“过度拟合”到了训练集，不应该被泛化。

在训练模型时应该使用许多方法来对抗过度拟合。寻求更多数据和使用严格的 dropout 是确保模型不会过度拟合的流行方法。查看这篇文章以获得对您的问题和可能的解决方案的良好描述。