请给我对这些 CNN 结果的任何评论。 我使用了 2000 张训练图像和 400 张测试图像。 训练准确率是完美的，但测试准确率很低。 我认为这是因为训练图像和测试图像之间存在很大差异。 任何人都对这种情况有好主意吗？
[ ]
请您参考如下方法:
这是明显的过度拟合案例。你有多少可学习的参数？例如，VGGnet 有 138M 个参数，在这种情况下，不难看出网络中的某些神经元必须按原样记住训练图像，因此您的网络泛化能力不佳。
要解决此问题，如果任务很简单(例如区分形状)，您首先可以尝试使用更简单的模型。您还可以通过交换颜色 channel (如果它不影响输出类别)、翻转或旋转图像等转换来增加训练数据，以使您的网络更好地泛化。在损失函数中包含 L1/L2 正则化并尝试 dropouts。
