Что такое "хорошее" значение для функции потерь модели DL, такой как yolo?
Я собрал ~1500 помеченных данных и тренировался с yolo v3, получил потерю обучения ~10, потерю проверки ~ 16. Очевидно, что мы можем использовать реальные тестовые данные для оценки производительности модели, но мне интересно, есть ли способ узнать, есть ли эта потеря тренировки = 10 "хорошая"? Или это означает, что мне нужно использовать больше данных о тренировках, чтобы посмотреть, смогу ли я снизить их до 5 или даже меньше?
В конечном счете, мой вопрос для хорошо известной модели с предопределенной функцией потерь, есть ли "хорошее" стандартное значение для потери при обучении?
Благодарю.
2 ответа
Вы должны тренировать свои веса, пока средняя потеря не станет 0.0XXXXX. Это минимальное требование для обнаружения объекта с соответствующим IOU привязки.
Обновление:28 ноября 2018 г.
в то время как модель обнаружения обучающего объекта, потери могут иногда изменяться с большим набором данных. но все, что вам нужно рассчитать, - это средняя средняя точность (MAP), которая точно дает критерии точности обучаемой модели.
./darknet detector map .data .cfg .weights
Если ваша КАРТА близка к 0,1, т.е. 100%, модель работает хорошо.
Перейдите по ссылке, чтобы узнать больше о MAP:
https://medium.com/@jonathan_hui/map-mean-average-precision-for-object-detection-45c121a31173
Ваша потеря в валидации является хорошим показателем того, может ли потеря в обучении еще больше облегчить, я имею в виду, что у меня нет одноразовых решений, вам придется настроить Hyper-параметры, проверить тест val и выполнить итерацию. Вы также можете получить Хорошая идея, если посмотреть на кривую потерь, уменьшалась ли она, когда вы прекратили тренироваться, или она была плоской, вы можете получить представление о том, как развивались тренировки, и внести соответствующие изменения.GoodLuck