在数据增强方法对模型训练拟合的影响中间有80* 挖掘80个空白random _ mirror ——400 random _ mirror random _ jitter 3354400 random _ mirror random _ jitter 33542000 ——200 random _udadd_lr )3) 3354200random_mirrormirror_3) 354200 random _ mirror add _ ud add _ lr (* )
在中间挖80*80个空白random_mirror——400
epoch: 400
图像增强:随机镜像
损失函数图像:
培训集的效果:
测试集效果:
random _ mirror random _ jitter ——400 epoch :http://www.Sina.com /
图像增强: http://www.Sina.com/http://www.Sina.com /
损失函数图像:
培训集的效果:
测试集效果:
根据损失函数图像推测在200epoch后进行了拟合,因此试着测试200epoch
(但是,图像倾斜变化的点似乎不是拟合的点? 仅仅通过改变数据集来增加数据集没有什么用,原始模型在训练集中的良好性能会变差吗? )
random _ mirror random _ jitter ——200 epoch :http://www.Sina.com /
图像增强:400加随机镜像
损耗函数曲线:
测试集效果:
是的,仅仅随机更改数据集可能无法增加数据集。 接下来测试增加数据集
random_mirroradd_ud(*2) ——200 epoch :http://www.Sina.com /
图像扩展:随机左右上下翻转镜像(数据集大小*2) ) ) ) ) ) ) ) ) )。
损失函数图像:
测试集效果:
random_mirroradd_ud(*2) ——600 epoch :http://www.Sina.com /
图像扩展:随机左右翻转,上下翻转(数据集大小*2) ) )。
kaggle有什么问题,中途折断了,但是因为有保存模型,所以可能是最终的600epoch以后的模型
测试集效果:
random_mirroradd_udadd_lr(*3) ——200损耗函数图像:
培训集结果:
测试集结果:
random _ mirror mirror _ jitter add _ ud add _ lr (*3) ——200损失函数图像:
培训集:
测试集:
random_mirroradd_udadd_lr(*3) ——100测试集效果:
random_draw测试集的效果:
random_mirroradd_udadd_lr(*3) ——400测试集效果:
随机挖掘random_mirror——200损失函数图像
培训集结果:
测试集结果:
random_mirror——400损失函数
训练集效应
测试集效应