如何提高训练和验证的准确性？ [已关闭]

Question

我只是在我的数据集上训练了 3d Resnet50 模型（我使用的是 MSR Daily Activity 3D，它由 16 个动作组成，是一个相对较小的数据集），为了获得更好的结果，我使用 Kinetics-700 数据集中的预训练模型来训练它（我使用了迁移学习）训练后，我得到了训练精度 = 0.88 和验证精度 = 0.52 是否还有其他想法可以进一步改善这些结果！或者由于数据集很小，这是我能得到的最好的！

Answer 1

您可以通过 2 个主要方法来提高整体性能。大多数时候，人们对第二个最不重要。他们是，

1. 以模型为中心的人工智能
2. 以数据为中心的人工智能

1.以模型为中心的人工智能

在以模型为中心的人工智能中，我们尝试根据我们的数据集找到模型的正确参数（即调整超参数）。为此，我们可以使用多个库，例如

optuna

、

keras tuner

、

Azure Hyperdrive

等等。

通过这种方式，我们可以找出适合的正确参数。

2.以数据为中心的人工智能

垃圾进垃圾出

主要思想是拥有一个良好且干净的数据集。尽管您使用的是现成的数据集，但并非每次都能保证质量。因此，确保我们更喜欢训练模型的数据集的质量始终是一个很好的做法。

- - - 这与数据集的大小无关，而与我们使用的数据的质量有关。

来自

World's Top University

- 这是一门精彩的课程，专注于 以数据为中心的人工智能

就

Computer Vision

数据而言，我发现这个库表现优于 - Clean Lab

请随时与我联系！快乐编码！