在训练中出现这样的图像是什么原因呢。如何调参才可以呢。
（使用VGG-16的训练结果，在AI Studio上运行）
数据集是否有根本差别呢
比如一个是网络图片，一个是摄像头拍摄
妥妥过拟合吧。。。，加点正则和数据增强试试？
估计是没train好
有可能是数据集不够大，这个时候可能需要使用pre-trained model然后再自己fine-tune
或者可以换resnet50试一下
正在炼丹。随后update。
过拟合没跑，看是哪个问题。
Net的作用不那么大，dropout参数更重要，调dropout，稍微有些作用。
然后架构上可以考虑一些梯度更容易传播的架构，降低模型复杂度和训练难度
经典重现之过拟合。测试集和训练集是来自同一个数据吗？也可能是shuffle的不够好。
过拟合了吧
图片做下数据增强试试
一文帮你理解用Paddle训练模型的原理1-手写回归模型 (https://aistudio.baidu.com/aistudio/projectdetail/367090)
加L2正则化项试试。
vgg能力有限，可以换resnet试试
哇哈哈哈哈哈啊哈哈，容我先知道这世界不是我一个这样的。。。。。。Train cost 缓缓下降，Test cost 却像个穿天猴。加个正则化试试，阿尔法先设的大一点，慢慢变小
我觉得这种过拟合的情况你应该发图像增强那个系列的项目，哈哈
resnet的确比vgg在很多时候优秀
哈哈，专治“大劈叉”。已经给楼主推荐了
嗯，resnet的跨层连接，能学到更多有用的特征，推迟过拟合出现的时间，并提升分类效果
主要是resnet在深的同时好训
过拟合了
数据集是否有根本差别呢
比如一个是网络图片，一个是摄像头拍摄
妥妥过拟合吧。。。，加点正则和数据增强试试？
估计是没train好
有可能是数据集不够大，这个时候可能需要使用pre-trained model然后再自己fine-tune
或者可以换resnet50试一下
正在炼丹。随后update。
过拟合没跑，看是哪个问题。
Net的作用不那么大，dropout参数更重要，调dropout，稍微有些作用。
然后架构上可以考虑一些梯度更容易传播的架构，降低模型复杂度和训练难度
经典重现之过拟合。测试集和训练集是来自同一个数据吗？也可能是shuffle的不够好。
过拟合了吧
图片做下数据增强试试
一文帮你理解用Paddle训练模型的原理1-手写回归模型 (https://aistudio.baidu.com/aistudio/projectdetail/367090)
加L2正则化项试试。
vgg能力有限，可以换resnet试试
哇哈哈哈哈哈啊哈哈，容我先知道这世界不是我一个这样的。。。。。。Train cost 缓缓下降，Test cost 却像个穿天猴。加个正则化试试，阿尔法先设的大一点，慢慢变小
我觉得这种过拟合的情况你应该发图像增强那个系列的项目，哈哈
resnet的确比vgg在很多时候优秀
哈哈，专治“大劈叉”。已经给楼主推荐了
嗯，resnet的跨层连接，能学到更多有用的特征，推迟过拟合出现的时间，并提升分类效果
主要是resnet在深的同时好训
过拟合了