在深度学习中使用AlexNet进行图像识别的奇怪结果

Question

我使用tensorflow教程中提供的修改后的AlexNet（cifar-10-模型）对一些机械零件图像进行图像识别，但得到的结果非常奇怪。

培训的准确性很快就会达到100％。但测试的准确性开始高达45％，非常快速地下降到9％。

我正在做一个20,000个图像的训练集并测试8个类别的2,500个图像的测试。我做的培训和测试通过批次的1024

尺寸精度和训练损耗，显示如下，你可以看到：

1. 测试精度开始于高达45％，这没有按”没有意义。
2. 机械图像总是归类为“左括号” Accuracy Classification results

Answer 1

您的测试精度降低，我想这是因为过度拟合。尝试使用更简单的模型或正则化方法来调整模型。

Answer 2

您可能想要检查数据或特征提取是否存在错误。我对3-labels进行了蛋白质结构预测，但我使用的是错误的提取方法。我的验证准确度也从45％开始，然后很快下降。

了解我的错误在哪里，我从头开始：现在我做蛋白质结构预测8标签。第一个时代的精确度为60％，能够稳步上升到64.9％（目前Q8的CB513世界纪录为68.9％）。

因此，从45％开始验证的准确性不是问题，但快速下降是。我担心你的数据/提取中有某处出现错误，而不仅仅是过度拟合。