任何人都可以解释我的网络准确性和丢失的这种行为吗？

Question

我使用this项目作为例子（框架 - caffe，网络的结构--AlexNet的mod，400个图像用于训练）。我有这个结果：

或者：

求解：

net: "./CDNet/Models/train.prototxt"
test_iter: 500
test_interval: 500
base_lr: 0.001
lr_policy: "step"
gamma: 0.1
stepsize: 100000
display: 50
max_iter: 450000
momentum: 0.9
weight_decay: 0.0005
snapshot: 10000
snapshot_prefix: "./CDNet/Models/Training/cdnet"
solver_mode: GPU

网络模型：

有人可以解释我的网络的准确性和丢失的这种行为吗？我做错了什么？

教程的作者得到了这个结果：

UPD： 我将批量大小从1更改为12并将步骤sizw更改为2000.结果如下图所示：

每次测试都是0.5左右。

Answer 1

如果不查看您的代码和您的数据，很难进行完整的分析。请注意，二进制分类的0.5准确度仅为随机猜测。如果网络输出一个常量并且测试集没有偏向一个类，你将得到相同的结果。

从这些图表中可以看出，该模型并未学习。由于您的图表上没有训练准确性，我甚至无法判断它是否过度拟合（我无法相信增强的AlexNet是不合适的）。

据我所知，这项任务需要仔细准备数据，这是犯错误的可能步骤：检查你的训练和测试数据是否有意义（它们应该是227x227，对人类来说清晰可辨，也可以检查两组的大小）。仔细检查计算的平均图像和预处理步骤。超参数看起来很合理，据说可以用于这个数据集，所以一般来说我会相信它。