J'ai une application de classification d'image avec 6 classes et une taille d'image 128x64x3. J'ai utilisé le modèle ResNet 20 pour m'entraîner avec un taux d'erreur d'environ 2%. Cependant, le résultat de l'évaluation est supérieur à 20% sur le même ensemble d'images de train. L'évaluation a utilisé la nuget CNTK.CPUOnly/2.0 avec la fonction onEvaluateAnColorImage. Les questions sont:Le train ResNet et le résultat d'évaluation ne correspondent pas CNTK
- ResNet fonctionne-t-il en mode CPUOnly pour l'évaluation? Le modèle s'est entraîné avec GPU.
- Est-ce que ResNet nécessite un fichier moyen? Je vois des modèles avec un fichier moyen et d'autres non.
- Y a-t-il une raison particulière qui pourrait causer la différence et entraîner l'évaluation?
Merci à l'avance, Terry
Merci Zhou, vous avez raison. Le prétraitement de l'image est probablement la cause. Après avoir supprimé la ligne "# {type =" Crop "; cropType =" RandomSide "; sideRatio = 1.0; jitterType =" UniRatio "}:" dans la fonction, le modèle produit étonnamment bon résultat. L'erreur est nulle sur 5000 images de train. J'aime remercier l'équipe de CNTK pour cet excellent outil. – Terry1998