高精度设定精度,低测试设定精度,张量流量,正则化,丢失试验

时间:2017-11-06 07:04:57

标签: python tensorflow neural-network deep-learning

我正在尝试使用Tensorflow NN构建模型。

输入矩阵大小:[6699,m] - > '米'例子; 输出矩阵大小:[11,m] - >具有softmax实现的11个输出层节点

我始终获得非常高的训练精度(> 95%)和非常低的测试精度(~20-30%)。我试过的一些事情:

  1. 从m = 1200到m = 13000
  2. 的训练集大小增加
  3. 添加正则化(lambda = 0.5& 0.7)
  4. 添加了Dropouts(keep_prob = 0.5)
  5. Gradient Descent,然后是Adam optimizer(仅用于加速收敛)
  6. 尝试了各种学习率值
  7. 尝试改变每层中的层数和神经元数量。再次从浅层隐藏层到6层隐藏层。
  8. 目前使用1200个num_epochs,但是在500-600个纪元之后,成本几乎稳定下来。
  9. 尝试了mini_batch大小的一些选项。
  10. 上周我已经尝试了所有这些。尽管如此,我无法破译导致训练集和测试集准确度如此大的差异的原因,而且我几乎在上面描述的每个场景中都会出现这种差异。这是一个过度拟合的明显案例,我对这些选项感到非常疲惫。

    请建议我还能做些什么。

0 个答案:

没有答案