为什么当我继续再培训的时候，验证的准确性有了很大的提高？

Question

问题:在第二次训练模型时，我的验证精度有了很大的提高。想知道为什么复制(如果可能的话)复制。

我将模型输出保存为".h5“格式。

我的验证精度徘徊在"~0.47“在过去的几百个时代，第一轮我训练的模型。以"0.6709“的精度结束。

(最后培训结果-第一次培训)

​

这是我模特的层次。我使用Keras-Tuner提取最佳的模型体系结构(即验证的准确性)。

​

​

我使用的批次大小为"512“中的"~750,000”训练例子: 1/1473。

我继续对该模型进行培训(通过使用Keras模型)，它开始在"0.5564“中进行培训。然而，验证的准确性一直跳到"0.6560“。提高了近20%。然后它开始向下移动。边注-重组是训练前对数据集进行预处理的一部分：

(第二次培训)

​

所以我有几个问题：

为什么验证精度会跳得这么高/当我重新加载模型进行再培训时--但是当训练正常通过时，当我重新训练模型时，它是否从训练精度“"0.48"?

• Why 0.6709”下降到"0.5564"？(有人告诉我，这是由于批量训练，但在512/750,000时，应该是相对较小的下降?除非它的数据reshuffling...)

)。

Answer 1

我将一些验证数据重组到了培训数据中。这就是跳伞的原因。