به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

با سلام و احترام
من از ورژن cpu کفی و دیتاست mitindoor67 استفاد می کنم ، مشکل من دقت تست در هنگام فاینتیون دیتاستم برروی یک مدل caffenet است ، دقت همیشه برابر با یک است و لاس ترین و تست به شدت کم است حتی در ایتریشن های ابتدایی، برای حل این مشکل نرخ یادگیری را در بازه 0.01 تا 0.0000001 تست کردم که در نرخ های یادگیری کمتر لاس ترین و تست بهتر می شوند(مقدارشان بیشتر می شود) اما همچنان دقت تست برابر یک است.
داده ی ترین من برابر با 5360 تصویر است که بچ سایز تست 20 و تست اینتروال برابر 268 است(برای تست دقت که درست شده یا نه فعلا با یک اپوک تست می کنم.) داده ی تست من 1360 تصویر است و بچ سایز تست 10 و تست ایتریشن هم برابر 136 است و هر دو داده ی تست و ترین در فرمت lmdb است.
ممنونم میشم برای حل مشکلم راهنمایی ام کنید .
با سپاس
فایل لاگ در مسیر زیر قرار دارد:
https://pastebin.com/HMvLYazn

توسط (100 امتیاز)
سلام . من یک نگاه جزئی کردم و بنظرم لاس سیر نزولی رو طی میکرد .منتها برای فاین تونینگ بنظر لاس ابتدایی بالا بود. نرخ یادگیری رو بیشتر کنیدو ببینید لاس شروع چقدر هست و بزارید شبکه کمی ترین بشه برای چند ایپاک. در زمان فاین تونینگ بسته به میزان تفاوت بین دیتاستها و لایه های تغییرنام پیدا کرده همگرایی ممکنه طول بکشه اما معمولا خیلی سریع لاس کم و دقت افزایش پیدا میکنه.
بعد از افزایش نرخ یادگیری و ترین برای چند ده ایپاک نوبت تغییر weight decay هست و مقدار اون رو افزایش بدید و ببینید تغییری مشاهده میکنید یا خیر. ضمنا اگر خارج از فاین تونینگ شبکه رو ترین کنید وضعیت لاس شما به چه صورتی هست (بدون ویت دیکی و با ویت دیکی 0.001 برای شروع تست کنید و نتیجه رو بفرمایید)

لطفا وارد شده یا عضو شوید تا بتوانید سوال بپرسید

...