Ich habe einen CNN für die Emotionserkennung trainiert und zwei verschiedene Transformationspipelines für die Bildvorbereitung verwendet: < /p>
Einfache Transformation: < /p>
TRANSFORM = transforms.Compose([
transforms.Resize((64, 64)),
transforms.Grayscale(num_output_channels=1),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485], std=[0.229])
])
< /code>
Erweiterte Datenvergrößerung: < /p>
TRANSFORM = transforms.Compose([
transforms.Resize((64, 64)),
transforms.Grayscale(num_output_channels=1),
transforms.RandomHorizontalFlip(p=0.5),
transforms.RandomAffine(degrees=5, translate=(0.1, 0.1), scale=(0.9, 1.1), fill=0),
transforms.GaussianBlur(kernel_size=(3,3), sigma=(0.1, 1.0)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.5], std=[0.5]),
])
< /code>
Ich habe mein Modell mit beiden Transformationen getrennt trainiert und zwei verschiedene Genauigkeitskurven für Training und Validierung erhalten. < /p>
Welche Schlüsselfaktoren sollten ich beachten, wenn Interpretieren der Unterschiede in diesen Genauigkeitskurven < /strong>?>
Wie interpretieren Sie Unterschiede in den Genauigkeitskurven nach Anwendung verschiedener Datenvergrößerungen im CNN -T ⇐ Python
-
- Similar Topics
- Replies
- Views
- Last post