Datawhale 零基础入门CV-Task4 模型训练与验证

学习目标

1. 理解验证集的作用，使用训练集和验证集完成训练
2. 学会使用Pytorch环境下的模型读取和加载，并参与调参流程

构造验证集

模型训练过程中，只能在训练集上训练，不能接触测试集的样本。容易造成过拟合。

我们可以在本地构建自己的验证集进行本地测试。

1. 训练集：模型用于训练和调整模型参数
2. 验证集：验证模型精度和调整模型超参数
3. 测试集：验证模型泛化能力

几种构建验证集的方法：

1. 留出法
   用于数据量较大的情况。
2. 交叉验证法
   将训练集划分为K份，K-1为训练集，1为验证集。循环训练。缺点：不适用于数据量很大的情形。
3. 自助采样法
   通过有放回的取样方式得到验证集与训练集。一般用于数据量较小的情况。

模型调参流程

• 初步构建简单CNN模型，跑通模型。
• 增加模型复杂度，观察验证集的情况。
• 增加模型复杂度的同时增加数据扩增，直到验证集精度不变。