J'utilise mxnet pour former un classificateur d'images de classe 11. J'observe un comportement bizarre, la précision de l'entraînement augmentait lentement et s'élevait jusqu'à 39% et à l'époque suivante elle descendait à 9% et ensuite elle reste proche de 9% pour le reste de l'entraînement. J'ai recommencé l'entraînement avec le modèle enregistré (avec une précision d'entraînement de 39%) en gardant tous les autres paramètres identiques. La précision de l'entraînement augmente à nouveau. Quelle peut être la raison ici? Je ne suis pas capable de le comprendre. Et il devient difficile de former le modèle de cette façon car cela me demande de voir constamment les valeurs de précision de l'entraînement.Une baisse soudaine de la précision lors de l'entraînement d'un réseau neuronal profond
taux d'apprentissage est constant à 0,01
très probablement votre taux d'apprentissage est trop élevé et le modèle saute. Difficile à dire sans connaître vos hyperparamètres – fabrizioM
taux d'apprentissage en 0.01 – sau
Une fois j'ai eu problème similaire lorsque, par accident, j'ai mis une activation linéaire et utilisé une entropie croisée catégorique comme fonction de coût. –