CNTK图像分类结果改进方法

Question

我目前使用基于“ConvNet_CIFAR10_DataAug.cntk”示例的“ConvNet”模型将图像分类为6类。训练有素的错误率低于1％。但是，未经训练的图像的错误率要高得多。 图像大小为128x128x1，培训使用了大约10,000张图像。

问题是人们通常会尝试改进分类结果的方法是什么？我尝试使用“renet”模型，但无法获得改进。

非常感谢任何输入。

谢谢， 特里

Answer 1

这是过度拟合的经典实例。以下是一些事情要做：

• 获取更多数据（您可以尝试数据扩充）
• 尝试添加辍学图层
• 在学员中添加正规化（l1 / l2）
• 尝试提前停止（使用具有较大训练错误的模型）和可比较的测试错误
• 如果可以，请尝试减少模型参数。