Всем привет. Обучаю нейронную сеть для классификации на 3 класса входной

Question

Всем привет. Обучаю нейронную сеть для классификации на 3 класса входной

функции f(t), t€(0,tmax). Делю ее на равные промежутки tbuff так, что для каждого промежутка известен его класс. а итоге получается тензор вида [16000*1*1*250] делаю в либе pytorch.
Модель следующая:
CNN(первые 4 слоя VGG-16) --> FC --> cross_entropy_loss.
Беда в том, что модель очень быстро переобучается. За 5 эпох на одном классе 100%, на других по нулям, за 5 другие теперь такая же ситуация, но на другом классе.
Переепробовал различные оптимизаторы Adam, SGD и гиперпараметры. Не смог избавиться от данной проьлемы.
Какую архитектцру можно подобрать для решения данной задачи?
Какие идеи можно имплементировать, чтобы решить задачу классификации входного 1d вектора?

0

28.11.2017

3 ответов

11 просмотров

Valeriy Dmitriev

Если модель быстро переобучается, значит сеть имеет избыточную ёмкость. Уменьшить ёмкость сети. Следующее, что можно сделать — различные регуляризации. Хорошо от переобучения помогает dropout. Он же уменьшает эффективную ёмкость. Ещё похоже классы сильно смещены. Может помочь семплирование.

0

28.11.2017

Vladislav 🇺🇸🚜

Вообще, судя по описанию проблемы, это не похоже на переобучение, больше похоже на слишком большой learning rate. Покажи график, как ведет себя loss?

0

28.11.2017

Evgenii Zheltonozhskii🇮🇱 · Accepted Answer

Evgenii Zheltonozhskii🇮🇱

а что ты хочешь если класс известен для любого промежутка

0

28.11.2017

Похожие чаты

Всем привет. Обучаю нейронную сеть для классификации на 3 класса входной

3 ответов

Похожие вопросы