何时判断我们的 CNN 模型是否过度拟合？
When to tell if our CNN model is overfitting?
我有这个模型，我训练了 100 个时期：
Model with 100 Epoch
然后我保存模型并训练另外 100 个时期（总共 200 个时期）：
Model with additional 100 epoch (200 epoch)
我的问题是，我的模型没有过拟合吗？它是最优的吗？
过度拟合是指模型捕获的模式在未来不会再次出现。这导致预测精度下降。
您需要在训练或验证中未见的数据上测试您的模型，以确定它是否过度拟合。
过度拟合是指您的模型在训练集上得分非常高而在验证测试集（或现实生活中 post-训练预测）上得分很低。
训练模型时，请确保将训练数据集分成两个子集。一个用于训练，一个用于验证。如果您发现您的验证准确性随着训练的进行而下降，这意味着您的 CNN 已经“过度拟合”训练集，不应该被泛化。
训练模型时应使用多种方法来应对过度拟合。寻求更多数据和使用严苛的 dropout 是确保模型不会过度拟合的流行方法。请查看此 article 以详细了解您的问题和可能的解决方案。
我有这个模型，我训练了 100 个时期： Model with 100 Epoch
然后我保存模型并训练另外 100 个时期（总共 200 个时期）： Model with additional 100 epoch (200 epoch)
我的问题是，我的模型没有过拟合吗？它是最优的吗？
过度拟合是指模型捕获的模式在未来不会再次出现。这导致预测精度下降。
您需要在训练或验证中未见的数据上测试您的模型，以确定它是否过度拟合。
过度拟合是指您的模型在训练集上得分非常高而在验证测试集（或现实生活中 post-训练预测）上得分很低。
训练模型时，请确保将训练数据集分成两个子集。一个用于训练，一个用于验证。如果您发现您的验证准确性随着训练的进行而下降，这意味着您的 CNN 已经“过度拟合”训练集，不应该被泛化。
训练模型时应使用多种方法来应对过度拟合。寻求更多数据和使用严苛的 dropout 是确保模型不会过度拟合的流行方法。请查看此 article 以详细了解您的问题和可能的解决方案。