训练图的过程如下:

 

训练结果:

训练的loss很低,而且正确率已经很高了,但是在验证集上面,loss比较高,而且准确率特别低,还一直不稳定。

 

产生原因:

将每个类别的数据集中的放在一起,而且数据标签也是很集中的
model.fit(train_data, train_label, batch_size = 32, epochs = 100,
validation_split = 0.2, shuffle = True)
在module的fit函数里面,虽然有 shuffle ,但是感觉不太对啊,所以还是要提前对数据进行打乱。

 

解决方法:

打乱数据,但是注意,在打乱的时候,一定要连标签一起打乱,保证打乱后的数据和标签是一一对应 的。
np.random.seed(200) np.random.shuffle(train_data) np.random.seed(200)
np.random.shuffle(train_label) np.random.seed(200) np.random.shuffle(test_data)
np.random.seed(200) np.random.shuffle(test_label)
解决结果:

论 shuffle 的重要性!!!

 

技术
今日推荐
下载桌面版
GitHub
百度网盘(提取码:draw)
Gitee
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:[email protected]
QQ群:766591547
关注微信