如何在写论文时确定cnn的准确性

Question

我想写一篇关于卷积神经网络的论文，我的cnn模型的验证数据集的准确度从98到99波动，每次测试数据集的准确性都不一样。所以我不确定我应该在哪个时间写出准确度，实验中的时期总数是6000次。我可以在最后一个时期选择10个时代的最高精度作为论文的准确性，或者我应该怎么做？非常感谢你！

Answer 1

10次测量不足以导出具有重要属性的静态属性...您可以列出所有10个或给出低，高， avg < / strong>和中位数，这些应该足以合同您的网络acc并将其与其他网络进行比较

Answer 2

我有同样的问题。这些是我一直在使用的方法：

定期降低学习率

定期降低学习率不仅可以提高验证准确度，还可以降低培训结束时的准确度差异。

例如，将学习率除以5

Epochs        Learning rate
0-4000        5e-4
4000-5000     1e-4
5000-6000     2e-5
etc

您也可以自动监控。例如，如果最后N批的损失没有显着下降，则降低学习率并重新开始计数。在M减少之后，停止训练。

重复实验

您获得的准确度将取决于创建网络时分配的初始随机权重。因此，即使使用学习率降低，您仍会得到不同的结果。重复实验并取平均值。这需要很长时间，具体取决于您的数据集。