增加重量衰减值表现出最差的表现

时间:2017-09-07 07:45:36

标签: machine-learning neural-network computer-vision conv-neural-network

我正在进行二进制分类。我创建了我的网络: Conv1,Relu1,Pool1 - Conv2,Relu2,Pool2 - Conv3,Relu3,Pool3 - Conv4,Relu4 - Conv5 Relu5 Dropot 0.5,FC,Dropout 0.5 - SoftmaxlossLayer

所有转化层都是3x3。

默认Weightdecay为0.0005。我得到了这个结果。 训练准确率:98% 测试准确度:88%

enter image description here

然后使用相同的网络和Weightdecay 0.005

enter image description here

任何人,请帮助我通过改变重量衰减值来分享它为什么会这样显示?

1 个答案:

答案 0 :(得分:1)

重量衰减会影响模型的复杂性,因此它会用来控制模型与偏差的差异。显然,如果你过分惩罚复杂性,模型将不会学到任何有用的东西,因为它太简单了。

对于其他规范神经网络的方法,您可以看到notes for Hinton's Coursera course