图像分类超参数配置
我使用 SageMaker 内置的图像分类来训练模型自己的数据集，其中包含三个类对象的原始图像。每个类都包含不同的手机型号图像，例如 iphone6plus、iphone7plus 和 samsung s7edge。
这些图像由手机摄像头捕获，然后调整为 224*224 尺寸进行训练。训练样本总数为1920，类数为3。经过多次训练，我得到的平均模型验证准确度为0.4或更低，不准确。
为了提高模型的准确性，我需要在参数中输入哪些推荐值？这是我第一次训练模型，我需要一些指导。谢谢。
【问题讨论】：
标签： image-processing amazon-sagemaker hyperparameters resnet
如果您有 1920 个训练样本，我绝对建议您将训练 epochs 从 15 个增加到 15 个。事实上，15 个 epoch 确实不是一个学习的时间。
如果模型的学习速度不够快，您也可以尝试将learning rate 增加一点。
不断增加时期/学习率，直到您的验证损失不再降低和/或提前停止开始，这应该会看到您的准确性有所提高。密切关注 SageMaker 控制台上训练作业中的 train:rmse 图表，了解您的训练是否过早停止。
但是，可能还有其他原因导致您在超参数之外获得低准确度。过度拟合或不正确地采样/拆分数据之类的事情也可能是可能的原因。
【讨论】：
您应该从预训练模型开始，使用 0.01-0.001 范围内的学习率并训练 50-100 个 epoch。对于小型数据集，您希望微调在 ImageNet 数据集（120 万张图像）上预训练的模型。
【讨论】：