machine-learning - 验证和评估准确性的差异

Question

我正在使用预训练的 GoogLeNet，然后在我的数据集上对其进行微调以对 11 个类别进行分类。验证数据集似乎给出了“loss3/top1”86.5%。但当我在评估数据集上评估性能时，它的准确度为 77%。无论我对 train_val.prototxt 做了什么更改，我在deploy.prototxt 中都做了相同的更改。验证和评估准确性之间的差异是正常的还是我做错了什么？有什么建议吗？

Answer 1

为了在验证数据集上获得对训练模型的公平估计，您需要以有意义的方式设置 test_itr 和 test_batch_size。

因此，test_itr 应设置为:

Val_data / test_batch_Size

其中，Val_data 是验证数据集的大小，test_batch_Size 是在验证阶段的 batch_size 中设置的验证批量大小值。