何时判断我们的 CNN 模型是否过拟合？ [关闭]答案

【问题标题】：When to tell if our CNN model is overfitting? [closed]何时判断我们的 CNN 模型是否过拟合？ [关闭]
【发布时间】：2021-04-30 14:58:43
【问题描述】：

我有这个模型，我训练了 100 个 epoch： Model with 100 Epoch

然后我保存模型并再训练 100 个 epoch（总共 200 个 epoch）： Model with additional 100 epoch (200 epoch)

我的问题是，我的模型没有过拟合吗？是最优的吗？

【问题讨论】：

它对您保留的测试数据的表现如何？
过度拟合并不是一个准确的术语。我认为前 30 个以外的所有内容，也许 50 个 epoch 在这里都过拟合了。
@Oso 我将我的 CIFAR-10 数据集拆分为 50000 用于训练和 10000 用于测试，我以 89.55 % 的 val 准确度进行了测试，它从 10000 个 test_labels 中得到了 8955 个真实预测
@couka 所以你说我的模型过拟合了？在哪个型号？第一个还是第二个？
@WillyWijaya 您需要另一个未用于验证或训练的保持集，以便您可以测试它是否存在过度拟合等问题

【解决方案1】：

过度拟合是指模型捕捉到未来不会重现的模式。这会导致预测准确度下降。

您需要在未在训练或验证中看到的数据上测试您的模型，以确定它是否过度拟合。

【讨论】：

【解决方案2】：

过度拟合是指您的模型在训练集上得分很高，而在验证测试集（或现实生活中的训练后预测）上得分很低。

在训练模型时，请确保已将训练数据集拆分为两个子集。一种用于训练，一种用于验证。如果您发现自己的验证准确度随着训练的进行而降低，则意味着您的 CNN 已经“过度拟合”到训练集，不应泛化。

在训练模型时应使用多种方法来对抗过度拟合。寻求更多数据和使用严格的 dropout 是确保模型不会过度拟合的流行方法。查看此article，了解您的问题和可能的解决方案的详细描述。

【讨论】：