提问人：anya 提问时间：9/30/2023 更新时间：9/30/2023 访问量：31
如何提高培训和验证的准确性？[已结束]
how can I improve my traning and validation accuracies? [closed]
问：
闭。这个问题与编程或软件开发无关。它目前不接受答案。
这个问题似乎不是关于特定的编程问题、软件算法或程序员主要使用的软件工具。如果您认为该问题在另一个 Stack Exchange 站点上是主题，您可以发表评论以解释该问题可能在哪里得到回答。
上个月关闭。
我只是在我的数据集上训练了 3d Resnet50 模型（我使用的是 MSR Daily 活动 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对其进行了训练（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 还有其他想法可以进一步改善这些结果吗？或者由于数据集小，这是我能得到的最好的！
答：
1赞
Mahimai Raja J
9/30/2023
#1
您可以通过 2 种主要方法提高整体性能。大多数时候，人们最不重视第二个。他们是，
- 以模型为中心的 AI
- 以数据为中心的 AI
1. 以模型为中心的 AI
在以模型为中心的 AI 中，我们尝试根据我们的数据集为模型找到正确的参数（即调整超参数）。为此，我们可以使用多个库，例如 、 等等。optunakeras tunerAzure Hyperdrive
通过这种方式，我们可以找出合适的参数。
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而干净的数据集。尽管您使用的是现成的数据集，但并非每次都能确保质量。因此，确保我们更喜欢训练模型的数据集的质量始终是一种很好的做法。
- - - 这与数据集的大小无关，而是与我们使用的数据的质量有关。
来自 - 这是一门专注于以数据为中心的 AI 的精美课程World's Top University
在数据方面，我发现这个库优于 - Clean LabComputer Vision
请随时与我联系！祝您编码愉快！
评论