Saya memiliki kumpulan data gambar untuk klasifikasi gambar multi-kelas - gambar pelatihan & pengujian. Saya melatih dan menyimpan model saya (sebagai file .h5) pada data pelatihan, menggunakan 80-20% sebagai pemisahan validasi kereta.

Sekarang, saya ingin memprediksi kelas untuk gambar uji.

Opsi mana yang lebih baik dan apakah selalu demikian?

  1. Gunakan model terlatih seperti untuk prediksi "gambar uji".
  2. Latih model yang disimpan pada seluruh data pelatihan (yaitu, termasuk 20% dari gambar validasi) dan kemudian lakukan prediksi pada gambar uji. Tetapi jika tidak ada data validasi, dan oleh karena itu, bagaimana model memastikan bahwa itu menjaga agar kerugian tetap minimum selama pelatihan.
0
priya 2 Juli 2020, 04:16

1 menjawab

Jawaban Terbaik

Jika Anda sudah melatih model dengan benar, Anda tidak perlu melatih ulang lagi. (Kecuali Anda melakukan sesuatu yang spesifik dengan pembelajaran transfer). Seluruh tujuan memiliki data uji adalah untuk digunakan sebagai kasus uji untuk melihat seberapa baik model Anda melakukannya pada data yang tidak terlihat.

0
JeffTheMess 2 Juli 2020, 01:23