Pytorch训练集/测试集标准化问题
Q1：图像增广中的Normalize是否都需要用使用
transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
train_transform = transforms.Compose([transforms.Resize(32),transforms.RandomResizedCrop(28),transforms.RandomHorizontalFlip(),transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
])
test_transform = transforms.Compose([transforms.ToTensor(),transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
])
因此测试了以下四种情况
情况1.训练集（×）测试集（×）
trian acc: 0.92
val acc: 0.91
test acc:0.90
情况2.训练集（√）测试集（×）
trian acc: 0.93
val acc: 0.83
test acc:0.81
情况3.训练集（×）测试集（√）
trian acc: 0.93
val acc: 0.81
test acc:0.80
情况4.训练集（√）测试集（√）
trian acc: 0.93
val acc: 0.93
test acc: 0.91
从结果曲线上来看，同时进行标准化/非标准化效果会更好，震荡的幅度不会很大，并且加上该操作是能一定上提高准确率的
Pytorch训练集/测试集标准化问题相关推荐
- 31,32,33_过拟合、欠拟合的概念、L2正则化，Pytorch过拟合欠拟合，交叉验证-Train-Val-Test划分，划分训练集和测试集，K-fold,Regularization
1.26.过拟合.欠拟合及其解决方案 1.26.1.过拟合.欠拟合的概念 1.26.1.1.训练误差和泛化误差 1.26.1.2.验证数据集与K-fold验证 1.26.1.3.过拟合和欠拟合 1.2 ...
- 5.sklearn之转换器（划分训练集和测试集、以及标准化、归一化数据会用transform，独热编码也会用到）
文章目录 1. 什么是转换器? 2. 测试集和训练集 2.1 训练集 .测试集.验证集 2.2 拆分训练集测试集有个问题 2.3 代码 3. 标准化 3.1 上离差标准化代码(举一反三就好了,其他几个 ...
- 训练集和测试集的标准化中的坑！！！
问题:数据标准化,应该在训练集和测试集划分前还是后? 答:数据标准化,应该在训练集和测试集划分后,分别对训练集和测试集进行数据标准化处理.不应该是数据标准化后,再进行划分.虽然从模型测试的结果看,可能 ...
- 深度学习之数据处理——如何将图片和标签打乱并划分为训练集和测试集
深度学习之数据处理--如何将图片和标签打乱并划分为训练集和测试集 记录我的第一篇CSDN博客 最近我在网上找到Office31数据集,这个数据集中包含了三个子数据集,分别为:Amazon.dslr.w ...
- sklearn.model_selection.train_test_split随机划分训练集和测试集
1 函数用途 train_test_split()是交叉验证中常用的函数,功能是将数组或矩阵按比例随机划分为训练集和测试集,使用方法为: X_train,X_test, y_train, y_test ...
- 十折交叉验证10-fold cross validation, 数据集划分 训练集 验证集 测试集
机器学习 数据挖掘 数据集划分 训练集 验证集 测试集 Q:如何将数据集划分为测试数据集和训练数据集? A:three ways: 1.像sklearn一样,提供一个将数据集切分成训练集和测试集的函数 ...
- 机器学习中的训练集 验证集 测试集的关系
1.划分测试集目的 为了了解一个模型对新样本的泛化能力,唯一的办法是:让已经训练好的模型真正的处理新的样本. 解决方法: 将原始数据划分成两个部分:训练集 测试集.可以使用训练集来训练模型,然后用测试 ...
- python尝试不同的随机数进行数据划分、使用卡方检验依次计算不同随机数划分下训练接和测试集所有分类特征的卡方检验的p值，如果所有p值都大于0.05则训练集和测试集都具有统计显著性、数据划分合理
python尝试不同的随机数进行数据划分.使用卡方检验依次计算不同随机数划分下训练接和测试集所有分类特征(categorical)的卡方检验的p值,如果所有p值都大于0.05则退出循环.则训练集和测试 ...
- R语言使用lm构建线性回归模型、并将目标变量对数化实战：模型训练集和测试集的残差总结信息（residiual summary）、模型训练（测试）集自由度计算、模型训练（测试）集残差标准误计算
R语言使用lm构建线性回归模型.并将目标变量对数化实战:模型训练集和测试集的残差总结信息(residiual summary).模型训练(测试)集自由度计算.模型训练(测试)集残差标准误计算(Resi ...
- R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况
R语言决策树.bagging.随机森林模型在训练集以及测试集的预测结果(accuray.F1.偏差Deviance)对比分析.计算训练集和测试集的预测结果的差值来分析模型的过拟合(overfit)情况 ...
最新文章
- Java编程基础04——流程控制语句
- 在linux中的sort命令,linux中sort命令
- linux实验3编写内核模块,实验2.3_内核模块_实验报告
- 012——数组（十二） 数组range array_count_values array_pad array_product
- [HAOI2007]反素数
- struts2第一个程序的详解（配图）
- 外星人 Alienware X14 评测
- DreamWeaver CS5视频教程（建站必备）
- 虚拟服务器443端口开启,服务器开启443端口
- 从零到一，美芽的技术实战
- druid监控页面 关闭_druid-springboot-starter默认启用监控页面，公网项目可能外泄DB信息...
- linux 秒数转时间,linux下如何把时间转成秒数，或把秒数转换成标准时间格式
- Unity SpriteAtlas实战使用
- linux源码在线阅读工具
- Eureka（eureka）服务集群搭建搭建
- 怎样把PDF文件转换成JPG图片
- 104键键盘布局高清示意图
- java hasnext_java – hasNext() – 什么时候阻止,为什么？
- 蛋白相互作用数据库，STRING使用指南
- Unity资源管理——基础知识整理