如何在多类分类问题中以较少的数据集适应深度神经网络中的最佳模型架构?

时间:2019-07-04 09:45:27

标签: neural-network

在我的情况下,带有标签的数据集较少。我想做多类分类。我什至尝试了5个具有soft-max层和分类交叉熵的隐藏层的深度神经网络。但在我的数据集中,验证集的准确性为100%。但根据我的实际时间推算,在某些情况下,它会下降6/10。

我做了一些超参数调整,例如正则化,提前停止,退出。具有默认LR keras的Adam优化器。

再培训精度:[0.2793867389361064,1.0]

i除推断10/10的输出外,仅给出4/10种情况正确

0 个答案:

没有答案