python - 在 Keras 序列模型中使用的时期数

Question

我正在构建一个 Keras 序列模型来进行二值图像分类。现在，当我使用 70 到 80 个 epoch 时，我开始获得良好的验证准确率 (81%)。但有人告诉我，这是一个非常大的数字，用于会影响网络性能的纪元。

我的问题是:我不应该超过的轮数是否有限，请注意我有 2000 张训练图像和 800 张验证图像。

Answer 1

如果 epoch 的数量非常多，你的模型可能会过拟合，你的训练准确率将达到 100%。在这种方法中，您绘制了训练和验证数据的错误率。横轴是 epoch 数，纵轴是错误率。当验证数据的错误率最小时，您应该停止训练。

您需要在正则化参数之间进行权衡。深度学习的主要问题是过度拟合模型。使用了各种正则化技术，如

i) 减少批量

ii) 数据增强(仅当您的数据不多样化时)

iii) 批量归一化

iv) 降低架构的复杂性(主要是卷积层)

v) 引入 dropout 层(仅当你使用任何密集层时)

vi) 降低学习率。

vii) 迁移学习

批量大小与时代的权衡非常重要。它还取决于您的数据，并且因应用程序而异。在这种情况下，您必须稍微处理一下数据才能知道确切的数字。通常，32 张中等尺寸图像的批量大小需要 10 个时期才能从卷积层中提取良好的特征。同样，它是相对的