更高的列车设置精度，更低的测试设置精度

Question

我使用CNN对无线信号进行分类。 同时，我遇到了一个奇怪的问题-训练集累积精度为80％时，我获得了79％的测试集准确度，但是当trianset准确性为93％时，测试集累积了一个71％。有人遇到过同样的问题吗？

我的网络基于keras + tensorflow。 网的细节是：

CNN(512,(2,2),tanh)   
Batch_normaliztion  
flatten()   
DNN(512,elu)   
DNN(256,elu)  
DNN(128,softmax)

opt=adam
loss = mse

谢谢

Answer 1

这似乎是过度拟合的情况。您如何使训练准确性从80％提高到93％？只是因为运行了更多的纪元？ 如果发生过度拟合，请在模型中添加辍学层。这将提高验证准确性，但可能需要更多的时间才能达到所需的训练准确性。另一种选择是在密集层中使用正则化器。 模型越复杂，就越容易拟合，因此您可以尝试仅在两个密集层上运行模型，或者减少隐藏层中的节点数量。