任何人都可以解释这种行为的准确性和我的网络损失？

Question

我使用this项目为例（框架 - caffe，AlexNet的net-mod架构，400个图像用于训练）。我有这样的结果：

或本：

求解：净

net: "./CDNet/Models/train.prototxt" 
test_iter: 500 
test_interval: 500 
base_lr: 0.001 
lr_policy: "step" 
gamma: 0.1 
stepsize: 100000 
display: 50 
max_iter: 450000 
momentum: 0.9 
weight_decay: 0.0005 
snapshot: 10000 
snapshot_prefix: "./CDNet/Models/Training/cdnet" 
solver_mode: GPU 

型号：

任何人能解释的准确度的这种行为和损失我净？我做错了什么？教程

作者得到了这样的结果：

UPD： 我改变批量大小从1到12和步骤sizw〜2000结果是在如下图：

它每次测试的准确率在0.5左右。

Answer 1

很难做出一个完整的分析不看您代码和您数据。请注意，0.5二元分类的准确性仅仅是随机猜测。如果网络输出一个常数并且测试集没有偏向一个类，则会得到相同的结果。

从这些图表中可以看出，该模型没有学习。既然你的图表没有训练的准确性，我甚至不知道它是否过度配合（我不相信增强的AlexNet不足）。

据我所知，这项任务需要仔细的数据准备，而且这是一个犯错的可能步骤：检查你的训练和测试数据是否有意义（它们应该是227x227，对于人类来说也是明显可辨认的）检查两套的大小）。仔细检查计算的平均图像和预处理步骤。超参数看起来很合理，据说可以用于这个数据集，所以我一般会信任它。