验证和评估准确性的差异

Question

我正在使用经过预先训练的GoogLeNet，然后在我的数据集上对其进行微调，以便对11个类进行分类。验证数据集似乎给出了“loss3 / top1”86.5％。但是当我评估我的评估数据集的性能时，它给我77％的准确性。无论我对train_val.prototxt进行了哪些更改，我都在deploy.prototxt中进行了相同的更改。验证和评估准确性之间的差异是正常的还是我做错了什么？ 有什么建议吗？

Answer 1

为了在验证数据集上获得经过训练的模型的公平估计，您需要以有意义的方式设置test_itr和test_batch_size。

因此，test_itr应设置为：

Val_data / test_batch_Size

其中，Val_data是验证数据集的大小，test_batch_Size是验证阶段中在batch_size中设置的验证批量大小值。