我想问一下我到目前为止训练过的训练模型，即它是不是趋向于准确性？

Posted 2023-02-16

【中文标题】我想问一下我到目前为止训练过的训练模型，即它是不是趋向于准确性？

【英文标题】：i wanted to ask about my training model which i have trained so far i,e is it tending toward accuracy?我想问一下我到目前为止训练过的训练模型，即它是否趋向于准确性？

【发布时间】：2020-01-03 02:36:16

【问题描述】：

我是深度学习的新手，想了解有关 tensorboard 的 epoch 准确度。我已经训练了一个深度学习模型，其中包含 400 个图像，每个图像大约 960x1280 像素，并且我已经在 tensorboard 上对其进行了可视化。谁能帮助我，告诉我纪元准确度是什么意思，在我的情况下，它在图片中是否足够好，或者我应该做些什么来匹配训练和验证准确度？

图片如下：

【参考方案1】：

虽然Uzzal Podder's answer 是正确的，但我认为在您的代码中，epoch _acc 很可能代表了完成一个完整时期训练后模型的准确性。

一个epoch通常表示对训练数据集的完整迭代。因此，对于您的数据集，这意味着对 400 张图像进行完整的训练周期。

如果此假设正确，则 epoch_acc 将反映您的训练准确性。要获得测试准确度，您可能需要使用经过训练的模型来评估 holdout set of data。

缩小 CNN 训练和测试精度之间差距的方法已在本网站上多次回答，我建议先查看这些答案。

【参考方案2】：

标题 epoch_acc 取决于您的代码。

如果您使用任何预定义模型（例如，keras ResNet50 或来自 github 的现成模型），那么代码中的某处会提到 epoch_acc 标题。

在您的描述中没有提供源代码。此外，尚不清楚您使用的是哪个 tensorflow api（tensorflow core 或 keras 支持的 tensorflow）。很难说出epoch_acc 的含义。

这里epoch_acc 可能是关于增量纪元数的总准确度。我的意思是，Y 轴是 accuracy 而 X 轴是简单的epoch count （多少次您正在重复整个火车数据集。）

但是，请让我举个例子，请看这段代码。

准确度指标title 将是 softmax_out_acc 和 ring_loss_acc 如果我使用 -

model.compile(loss = 'softmax_out' : 'categorical_crossentropy', 
                     'ring_loss' : identity_loss,
               metrics = ['accuracy'], 
               ... )

32/32 [==============================] - 116s 4s/step - loss: 3.1720 - softmax_out_loss: 0.8834 - ring_loss_loss: 22.8862 - softmax_out_acc: 0.5391 - ring_loss_acc: 0.0000e+00 - val_loss: 3.1074 - val_softmax_out_loss: 0.9071 - val_ring_loss_loss: 22.0037 - val_softmax_out_acc: 0.4590 - val_ring_loss_acc: 0.0000e+00

或者，如果您在张量板编写器like this: 的tf.summary.scalar 中使用cross_entropy string

with tf.name_scope('cross_entropy'):
  with tf.name_scope('total'):
    cross_entropy = tf.losses.sparse_softmax_cross_entropy(labels=y_, logits=y)
tf.summary.scalar('cross_entropy', cross_entropy)

输出将如下所示

所以，在深度学习中没有明确定义 epoch_acc，或者 epoch_acc 不是标准指标，这完全取决于您的代码。