神经网络融合的证据？

Question

我一直在训练一个带有7个可学习层的卷积网络，大约20个小时。有哪些一般方法可以判断网络是融合还是仍需要培训？

这是第一个卷积层参数的直方图：

以下是培训和测试集的损失和准确性图表：

Answer 1

显然，当你获得分数上升（训练和测试）时，它意味着你正确的方式，你将去当地/全球最低点。如果您发现方向分数变化（跟踪仍在下降，测试上升）或两个分数都停滞不前，那么现在是时候停止了。

BUT

当您使用准确度作为评估指标时，您可以获得模型的异常行为。例如：网络输出的所有结果都是最有价值的类的数量。 Explanation。这个问题可以通过使用另一个评估指标来解决，比如f1，logloss等等，你会发现学习期间有任何问题。

对于不平衡的数据，您可以使用任何策略来避免不平衡的负面影响。与softmax_cross_entropy in tensorflow中的权重相同。您可以找到实施there。