判断过/欠拟合和学习率

一、说明

这篇博客是判断是否过拟合和学习率大小的问题,并没有给出解决办法。因为每个人的网络模型不一样,解决办法也不同。因此,如果需要解决办法的话,请参考其他博客。

二、拟合问题

1.train_loss 不断下降,test_loss不断下降,说明网络仍在学习。

2.train_loss 不断下降,test_loss趋于不变,说明网络过拟合。

3.train_loss 趋于不变,test_loss不断下降,说明数据集有问题。

4.train_loss 趋于不变,test_loss趋于不变,说明模型学习达到瓶颈

5.train_loss 不断上升,test_loss不断上升,说明网络结构不行。

三、学习率问题

1.蓝色线(过大学习率):初期快速收敛,达到瓶颈,后期学习率过大,无法拟合。

2.橙色线(正常学习率):一直下降,达到epoch时收敛。

3.绿色线(过小学习率):一直下降,达到epoch还收敛。

四、参考博客

1.训练集损失值loss、测试集val_loss、验证集loss相关问题总结-CSDN博客

2.深度学习参数调整之一:学习率调整 - 知乎

猜你喜欢

转载自blog.csdn.net/lihaiyuan_0324/article/details/134019992