【发布时间】:2017-08-13 21:23:27
【问题描述】:
当我添加更强的正则化(例如,L2 正则化参数从 1 到 10,或 dropout 参数从 0.75 到 0.5)时,它给了我更慢和更差的性能(例如,在 3000-4000 次迭代中 97-98% 的测试准确度只有 94 -95% 的测试准确度在 3000-4000 次迭代中)。发生这种情况可能有原因吗?我可以确认一切都正确实施。谢谢!
编辑:我只想指出我的程序有过拟合(大约 1%),而且似乎有和没有 dropout,训练和测试准确率之间的差异也差不多。
【问题讨论】:
标签: performance machine-learning neural-network conv-neural-network regularized