训练图像和测试图像

作者: Charizard
发布时间: 2024-06-20 06:05:58 (20天前)
转自：

3 条回复

0#
回复此人
扬尘 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 在HMAX中，您使用输入图像层的所有数据。并且所有这些都具有garbor过滤器，最大池，径向基核函数。仅在C2层，您开始训练图像的子集（主要使用基于线性内核的SVM）。子集设置为训练数据。其余的都是测试数据。总之，训练图像首先用于构建SVM，然后使用多数表决方法将测试图像分配给数字类。 </p> <P> 但实际上，这与您首先将训练图像放在图像层时相同。在所有图层通过之后，您将测试图像放在图像层以重新启动以进行识别。由于训练和测试图像都需要缩放，并且C2之前的前一层的所有操作都相同，所以您只需在开始时将它们完全混合。 </p> <P> 虽然您在图像层使用了所有训练和测试图像，但您仍然需要将数据洗牌并将其中一些作为训练，其他作为测试。 </p> </DIV>

编辑
1#
回复此人
满目山河 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 训练和测试图像之间的唯一区别在于，不使用测试图像的<strong> 选择模型参数 </强> 。每个模型都有某种参数，变量，它适合数据。这称为培训过程。训练/测试集分离确保您的模型（算法）实际上可以做更多只记忆图像的事情 - 所以你的<strong> 测试 </强> 它在的<strong> 测试 </强> 图像，在此期间未使用过的<strong> 训练 </强> 相。 </p> <P> 已经在SO上详细讨论过： <a href="https://stackoverflow.com/questions/2976452/whats-is-the-difference-between-train-validation-and-test-set-in-neural-networ"> 什么是神经网络中训练，验证和测试集之间的区别？ </A> </p> </DIV>

编辑

登录后才能参与评论