Question

我收集了约1500个标记数据并使用yolo v3进行了训练，训练损失为约10，验证损失为16。显然，我们可以使用真实的测试数据来评估模型性能，但是我想知道是否有办法判断这种训练损失= 10是否是“好”的损失？还是表明我需要使用更多的训练数据来查看是否可以将其降低到5个甚至更少？

最终我的问题是，对于具有预定义损失函数的著名模型，训练损失是否有“良好”的标准值？

谢谢。

Answer 1

您的验证损失可以很好地表明培训损失是否可以进一步缓解，我的意思是我没有任何一次性解决方案，您将需要调整Hyper参数并检查val测试并进行迭代。通过查看损失曲线（停止训练时减少的曲线还是平坦的曲线）也可以得到一个不错的主意，您可以了解训练的进展并做出相应的更改。GoodLuck

Answer 2

您需要训练体重，直到平均损失变为0.0XXXXX。检测具有匹配锚IOU的对象是最低要求。

更新：2018年11月28日

在训练对象检测模型时，损失可能会随大型数据集而变化。但是您需要计算的是平均平均精度（MAP），它准确地给出了训练模型的精度标准。

./darknet detector map .data .cfg .weights

如果您的MAP接近于0.1，即100％，则模型效果良好。