• 🔗 運行環(huán)境：python3
• 🚩 作者：K同學啊
• 🥇 精選專欄：《深度學習100例》
• 🔥 選自專欄：《新手入門深度學習》
• 📚 推薦專欄：《Matplotlib教程》
• 🧿 優(yōu)秀專欄：《Python入門100題》

---

• 數(shù)據(jù)集太小的話，如果數(shù)據(jù)集切分的不均勻，或者說訓練集和測試集的分布不均勻

• 訓練集的數(shù)據(jù)做了一系列的增廣，如旋轉(zhuǎn)，仿射，模糊，添加噪點等操作；過多的增廣使得訓練集分布產(chǎn)生了變化。

• 模型正則化過多，比如訓練時dropout過多，和驗證時的模型相差較大，驗證時是不會有dropout的。

• 訓練的精度是每個batch產(chǎn)生的，而驗證的精度一般是一個epoch后產(chǎn)生的，驗證時的模型是訓練一個個batch之后的，有一個的滯后性；可以說訓練得差不多的模型用來驗證，當然精度要高一點。

總結(jié)

以上是生活随笔為你收集整理的验证集精度高于训练集精度的原因分析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。