最近用2.0的动态图写了下resnet和densenet,训练集准曲率都很低,怎么回事?
果然,最高才70多
http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#43494641522d3130
这个分辨率太低了,新的文章似乎都不用吧,现在比赛连imagenet都不用了
70多。。。
我尝试了一下午,停在50上不去
我理解方差太大说明模型拟合数据分布的误差大,也就是欠拟合的表现
就是因为他的size小类别还多 分类难度很大 没什么意义
不对,是偏差小、方差大的情况下说明过拟合了
应该这么说吧,在训练集上,方差大是欠拟合的表现;如果在训练集上方差小,在验证集上方差大,就说明泛化误差大,是过拟合了。
我理解,验证集用来在训练时观察模型的拟合情况,主要是是否过拟合。测试集是测试泛化误差的保险吧,哈哈,应该没什么硬性区别
我记得很清楚 四中情况四个点
嗯,是的。我觉得还要考虑训练集和验证集吧
这个是什么呢?
果然,最高才70多
http://rodrigob.github.io/are_we_there_yet/build/classification_datasets_results.html#43494641522d3130
这个分辨率太低了,新的文章似乎都不用吧,现在比赛连imagenet都不用了
70多。。。
我尝试了一下午,停在50上不去
我理解方差太大说明模型拟合数据分布的误差大,也就是欠拟合的表现
就是因为他的size小类别还多 分类难度很大 没什么意义
不对,是偏差小、方差大的情况下说明过拟合了
应该这么说吧,在训练集上,方差大是欠拟合的表现;如果在训练集上方差小,在验证集上方差大,就说明泛化误差大,是过拟合了。
我理解,验证集用来在训练时观察模型的拟合情况,主要是是否过拟合。测试集是测试泛化误差的保险吧,哈哈,应该没什么硬性区别
我记得很清楚 四中情况四个点
嗯,是的。我觉得还要考虑训练集和验证集吧
这个是什么呢?