当训练数据集相同但验证数据集不同时，为什么训练精度输出存在差异？ [已关闭]

Question

我正在查看多类图像分割深度学习模型的输出。我使用 U-Net 来实现这个。

我很困惑为什么使用相同的训练数据集和完全相同的模型时，不同的验证数据集的训练精度不同。

注意：两种情况的超参数设置相同。 a) Adams 优化器：lr = 0.001 b) 批量大小 = 1（是的，我知道我需要使用更大的批量大小；这只是一个测试） c) 纪元 = 1000

唯一的区别是 a) Augmented使用48张图像进行验证 b) 使用 2 张图像进行伪增强验证。

Answer 1

1. 验证集大小和多样性
2. 对模型正则化和过拟合的影响
3. 验证数据分布
4. 统计变异性
5. 模型调整中的反馈循环