トレーニング精度が画像分類のための畳み込みニューラルネットワークを実装

Question

低下になり、私は私のトレーニングセットの精度（98％）で良い結果を持っていますが、設定の精度をテストすること（82％程度）低いまま。私は過大な問題に直面しています。 私はドロップアウト機能（ニューロンの50％を維持する）を実装して解決しようとしましたが、この解決策はトレーニングの精度を80％に低下させることが判明しました！私はCNNにもっと多くのニューロンを持たなければならないということですか？ この問題を防ぐにはどうすればよいですか？私はここにTensorflowライブラリを使用しています

は、トレーニングループのコードの一部である：あなたの試験精度を型学習と同じマークの周りにもある場合

for epoch in range(22000): 
    permutation=np.random.permutation(19600) 
    permutation=permutation[0:200] 
    batch=[train_set[permutation],train_label[permutation]] 
    summary,model,cost=sess.run([merged,train_step,cross_entropy],feed_dict={X:batch[0],Yreal:batch[1],drop_value:0.5}) #training with 50% of the neurons 
    train_writer.add_summary(summary,epoch) 
    print(cost) 
    if epoch%500==0: 
     print(epoch) 
     summary=sess.run(merged,feed_dict={X:test_set[0:300],Yreal:test_label[0:300],drop_value:1}) #evaluating testing set accuracy using 100% of the neurons 
     test_writer.add_summary(summary,epoch) 

Answer 1

を（私はそれを正しく実装わかりません）ドロップアウトの場合の精度は、あなたはニューロンの数を増やすことができます。また、初期ドロップアウトとして0.50もかなり高いです。 （すなわち。ドロップアウト層に0.75の確率を維持する。）0.25から開始します。また、私は、データの性質に応じて、あまりにもいくつかの正則を使用してカラーチャンネルを交換し、明るさを歪め、回転などのいくつかのデータの増強を使用することをお勧めします。学習曲線をプロットし、トレーニングの正確さによってテスト精度がどのように変化するかを確認します。