带有尖峰的验证损失和准确性
Both validation loss and accuracy with a spike
我使用 Pytorch 通过迁移学习 ResNet18 执行图像分类任务。我对迁移学习网络使用了微调。我有 16 类 个，每个有 100 个训练图像和 24 个验证图像。下面是损失图和准确度图。我的问题是：
1、训练过程是否正确？我的意思是有没有过拟合。
2.为什么第4个epoch有一个秒杀？这是否意味着过拟合？谢谢
没有任何明显的过度拟合，因为您的验证 loss/accuracy 接近训练 loss/accuracy。尽管如此，如果您想进一步减少边距，您可以使用图像增强技术或正则化。
那个特定时期的峰值并不一定意味着过度拟合，因为您的网络稍后能够从中恢复。这可能是由于权重处于不良的局部最小值而发生的。您可以通过 运行 使用不同的随机种子多次实验来检查这是常见的还是只是异常。在前一种情况下，使用不同的优化器或降低学习率可能会有所帮助。
我使用 Pytorch 通过迁移学习 ResNet18 执行图像分类任务。我对迁移学习网络使用了微调。我有 16 类 个，每个有 100 个训练图像和 24 个验证图像。下面是损失图和准确度图。我的问题是：
1、训练过程是否正确？我的意思是有没有过拟合。
2.为什么第4个epoch有一个秒杀？这是否意味着过拟合？谢谢
没有任何明显的过度拟合，因为您的验证 loss/accuracy 接近训练 loss/accuracy。尽管如此，如果您想进一步减少边距，您可以使用图像增强技术或正则化。
那个特定时期的峰值并不一定意味着过度拟合，因为您的网络稍后能够从中恢复。这可能是由于权重处于不良的局部最小值而发生的。您可以通过 运行 使用不同的随机种子多次实验来检查这是常见的还是只是异常。在前一种情况下，使用不同的优化器或降低学习率可能会有所帮助。