我该怎么处理这件超合适的事？

Question

我训练了40多个年代的数据，但最终得到了这个形状。我该如何处理这个问题？请看我用30.000作训练，5000作测试，

lr_schedule = keras.optimizers.schedules.ExponentialDecay(
    initial_learning_rate=4e-4,
    decay_steps=50000,
    decay_rate=0.5)

我是应该增加测试中的数据数量，还是在模型中进行更改？

编辑

在我加正则化之后，我得到了这个形状，损失从一个比以前更大的数字开始，这正常吗？

这是好的训练，还是仍然有问题？

Answer 1

以下是一些建议。我需要看到更具体的代码。

你是否将数据随机化，并分割成训练和验证部分？

你在学习过程中申请过辍学吗？

你把数据正常化了吗？

似乎您的模型使用了完全不同的数据集，随机组织这些数据可以解决您的问题。另一方面，10%的退出可以避免过度拟合的问题，因为它重置了部分神经网络权重。缺乏归一化也会阻止神经元进入特定的数据范围，并解释验证数据集中的不良结果。