在深度学习中使用AlexNet进行图像识别的奇怪结果

Question

我正在使用张量流教程中提供的改进的AlexNet（cifar-10模型）来对一些机械零件图像进行一些图像识别，但得到非常奇怪的结果。

培训准确性很快就达到100％。但是测试精度从高达45％开始迅速下降到低至9％。

我正在对20,000个图像的训练集进行测试，并测试2,500个图像，包含8个类别。我批量训练和测试，大小为1024.

准确性和训练损失如下所示，您可以看到：

1. 测试精度从高达45％开始，这没有任何意义。
2. 机械图像始终归类为＆＃39;左括号＆＃39; Accuracy Classification results

Answer 1

你的测试准确度在下降，我认为这是因为过度拟合。尝试使用更简单的模型或正则化方法来调整模型。

Answer 2

您可能需要检查数据或功能提取是否有错误。我对 3-labels 进行了蛋白质结构预测，但我使用了错误的提取方法。我的验证准确率也从45％开始然后迅速下降。

知道我的错误在哪里，我从头开始：现在我做 8-labels 的蛋白质结构预测。第一个时代的准确率为60％，能够稳步上升至64.9％（目前Q8的CB513世界纪录为68.9％）。

因此，从45％开始的验证准确性不是问题，但快速下降是。我担心你的数据/提取中某处出现错误，而不仅仅是过度拟合。