0
当我训练一个CNN的图像分类失真的数字从0到9变化,训练集和测试集的准确性明显提高。MxNet:准确性下降到随机预测后一些迭代
Epoch[0] Batch [100] Train-multi-accuracy_0=0.296000
...
Epoch[0] Batch [500] Train-multi-accuracy_0=0.881900
在历元[1]和历元[2]的准确性0.85和0.95,然而之间略微振荡,
Epoch[3] Batch [300] Train-multi-accuracy_0=0.926400
Epoch[3] Batch [400] Train-multi-accuracy_0=0.105300
Epoch[3] Batch [500] Train-multi-accuracy_0=0.098200
此后,准确度为0.1左右,这意味着网络只给随机预测。我多次重复了这个训练,每次都发生这种情况。它出什么问题了? 适应性学习率策略是否是原因?
model = mx.model.FeedForward(...,
optimizer = 'adam',
num_epoch = 50,
wd = 0.00001,
...,
)
您可能已经开始过度适应,或者达到了需要降低学习速度或模型发散的点。你正在使用学习率计划还是固定学习率?你能监测损失而不是准确性吗? –