列车精度高测试精度差
我有一个神经网络，它对3个输出进行分类。我的数据集非常小，我有340张火车图像和60张测试图像。我构建了一个模型，当我编译时，我的结果是：
纪元97/100 306/306 [==============================] - 46s 151ms/阶跃损失： 0.2453-精度： 0.8824-val_loss： 0.3557-val_accuracy： 0.8922纪元98/100 306/306 [==============================] - 47秒152毫秒/阶跃损失： 0.2096-精度： 0.9031-val_loss： 0.3795-val_accuracy： 0.8824纪元99/100 306/306 [==============================] - 47秒153秒/步长-损耗： 0.2885-精度： 0.8627-val_loss： 0.4501-val_accuracy： 0.7745纪元100/100 306/306 [==============================] - 46秒152秒/步长-损耗：0.1998-精度： 0.9150-val_loss： 0.4586-val_accuracy： 0.8627
当我预测测试图像时，测试精度很差。我该怎么办？我还使用ImageDatagenerator进行数据扩充，但结果相同。是因为我的数据集很小吗。
共有1个答案
可以在完全连接的层上使用正则化。但事实上，你已经有了很高的验证准确性，这可能是你的数据。您的列车数据可能不能完全代表您的测试数据。试着对其进行分析，并确保在测试之前对测试数据进行所有预处理，就像对列车数据进行预处理一样。
-
刚从ML开始，创建了我的第一个CNN来检测人脸图像的方位。我得到的训练和测试精度高达约96-99%超过2组不同的1000张图片(128x128RGB)。然而，当我自行从测试集中预测一个图像时，模型很少预测正确。我认为在测试和预测期间，我将数据加载到模型中的方式肯定有区别。下面是我如何将数据加载到模型中进行训练和测试： 下面是我如何加载图像来进行预测： ImageDataGenerator处理图像的
-
问题内容： 文档的内容如下（强调我的意思）。 此方法只能用于测量经过的时间，与系统或挂钟时间的任何其他概念无关。返回的值表示自某个固定但任意时间以来的纳秒（也许是将来的时间，因此值可能为负）。 此方法提供纳秒精度，但不一定提供纳秒精度。 无法保证值更改的频率。 如我所见，这可以用两种不同的方式解释： 在句子中 大胆 上面是指个人的返回值。然后，将在数字意义上理解精度和准确性。也就是说，精度是指有效
-
问题内容： java中双值的乘法运算符的保证精度是多少？ 例如，2.2 * 100是220.00000000000003，但是220是双精度数。220.00000000000003是220之后的下一个两倍。 问题答案： 乘法工作正常，但不能精确表示为双精度。最接近的双打是： 2.199999999999999733（0x4001999999999999） 2.200000000000000177（
-
问题内容： 我正在使用通过远程MySQL数据库存储其数据的C ++应用程序。 功能之一是尽可能保持远程数据的最新状态。为此，我使用NOW（）函数获取上次更新时间，并且在更新记录时，将last_changed字段设置为NOW（）。 现在可以正常工作，但问题是它的最大精度可达一秒。导致数十个重复条目，这浪费带宽，并且必须手动删除它们。 为了限制大部分膨胀，我希望有一个大于此精度的精度，最好是一个微秒（
-
问题内容： 有没有一种方法可以用Python高精度地测量时间-比一秒更精确？我怀疑是否存在跨平台的方法；我对Unix上的高精度时间很感兴趣，尤其是在Sun SPARC计算机上运行的Solaris。 timeit似乎可以进行高精度的时间测量，但是我想直接访问时间值，而不是测量代码段要花多长时间。 问题答案： 标准功能提供亚秒级的精度，尽管该精度因平台而异。对于Linux和Mac，精度为1微秒或0.0
-
我试图在java中进行Mandelbrot分形缩放，但当缩放增加时，双精度不够，图像像素化，我不能缩放更多。我想提高精度或使用另一种数据类型，允许我这样做。谢谢你。