AWS救生图像分类超参数配置

Question

图像分类超参数配置

我使用SageMaker内置的图像分类来训练模型自己的数据集，其中包含三个类对象的原始图像。每个类别都包含不同的手机模型图像，如iphone6plus、iphone7plus和三星s7edge。

这些图像是通过手机摄像头拍摄的，然后调整到224*224维进行训练。训练样本总数为1920个，类数为3个。经过多次训练，我得到的平均模型验证精度为0.4或更低，这是不准确的。

​

​

为了提高模型的准确性，我需要在参数中输入哪些推荐值？这是我第一次训练模特，我需要一些指导。谢谢。

Answer 1

如果你有1920年的训练样本，我肯定会建议你把你的训练epochs从15个提高到现在，因为15个时代真的不是一个学习的大时间。

如果模型学习不够快，您也可以尝试增加一些learning rate。

继续提高时代/学习速度，直到你的验证损失不再降低和/或早期停止开始，这应该会让你得到一个提高的准确性。注意SageMaker控制台上的培训作业中的SageMaker图，以便了解您的培训是否过早停止。

但是，在超参数之外，可能还有其他原因导致精度偏低。诸如过度拟合或不适当抽样/分离数据也可能是原因之一。

Answer 2

你应该从一个预先训练的模型开始，在0.01-0.001的范围内使用学习率，并训练50-100个时代。使用小的数据集，您希望在ImageNet数据集(120万张图像)上对模型进行预处理。