Повышение точности валидации, но также увеличивается
Просто подумал, что я бы добавил к этому старому потоку, суммируя свойства параметров List, созданных с помощью типов или подстановочных знаков ....
Когда у метода есть параметр / результат, который является List, использование типа экземпляра или подстановочных знаков определяет
- Типы списка, которые могут быть переданы методу в качестве аргумента
- Типы списка, которые могут быть заполнены из результата метода
- Типы элементов, которые могут быть записаны в список в методе
- Типы, которые могут быть заполнены при чтении элементов из списка в методе
Param / Тип возврата: List< Foo>
- Типы списка, которые могут быть переданы методу в качестве аргумента:
List< Foo> - Типы списка, которые могут быть заполнены из Результат метода:
List< Foo>List< ? super Foo>List< ? super SubFoo>List< ? extends Foo>List< ? extends SuperFoo> - Типы элементов, которые могут быть записаны в список в пределах метода:
Foo& amp; подтипы - Типы, которые могут быть заполнены при чтении элементов из списка в методе:
Foo& amp; супертипы (доObject)
Параметр / Тип возврата: List< ? extends Foo>
- Типы списка, которые могут быть переданы методу в качестве аргумента :
List< Foo>List< Subfoo>List< SubSubFoo>List< ? extends Foo>List< ? extends SubFoo>List< ? extends SubSubFoo> - Типы списка, которые могут быть заполнены из результата метода:
List< ? extends Foo>List< ? extends SuperFoo>List< ? extends SuperSuperFoo> - Типы элементов, которые могут быть записаны для перечисления в методе: Нет! Невозможно добавить.
- Типы, которые могут быть заполнены при чтении элементов из списка в методе:
Foo& amp; супертипы (доObject)
Параметр / Тип возврата: List<? super Foo>
- Типы списка, которые могут быть переданы методу в качестве аргумента :
List< Foo>List< Superfoo>List< SuperSuperFoo>List< ? super Foo>List< ? super SuperFoo>List< ? super SuperSuperFoo> - Типы списка, которые могут быть заполнены из результата метода:
List< ? super Foo>List< ? super SubFoo>List< ? super SubSubFoo> - Типы элементов, которые могут быть записаны для перечисления в рамках метода:
Foo& amp; супертипы - Типы, которые могут быть заполнены при чтении элементов из списка в методе:
Foo& amp; супертипы (доObject)
Интерпретация / комментарий
- потребности внешних вызывающих абонентов приводят дизайн декларации метода, т.е. публичный API (обычно первичное рассмотрение)
- потребности в логике внутреннего логического устройства приводят любые дополнительные решения к фактическим типам данных, объявленным и построенным внутренне (обычно вторичное рассмотрение)
- используют
List<Foo>, если код вызывающего абонента всегда сфокусирован при манипулировании классом Foo, поскольку он максимизирует гибкость как для чтения, так и для записи - , используйте
List<? extends UpperMostFoo>, если может быть много разных типов абонентов, ориентированных на управление другим классом (не всегда Foo), и есть один самый верхний класс в иерархии типов Foo, и если этот метод предназначен для внутренней записи в список, а чтение списка вызывающих абонентов читается. Здесь метод может внутренне использоватьList< UpperMostFoo>и добавлять к нему элементы, прежде чем возвращатьList< ? extends UpperMostFoo> - , если может быть много разных типов вызывающих, сфокусированных на управлении другим классом (не всегда Foo), и если чтение и запись в список требуется, и в иерархии типов Foo есть один самый низкий класс, тогда имеет смысл использовать
List< ? super LowerMostFoo>
1 ответ
Я думаю, что это случай переобучения, как отмечали предыдущие комментарии. Переполнение может быть результатом большого отклонения в наборе данных. Когда вы обучали CNN, он показал хорошее соотношение к уменьшению ошибки обучения, создавая более сложную модель. Более сложные модели производят переобучение, и это можно заметить, когда ошибка проверки имеет тенденцию к увеличению.
Оптимизатор Адама заботится о скорости обучения, экспоненциальном распаде и вообще оптимизации модели, но он не будет предпринимать никаких действий против переобучения. Если вы хотите уменьшить его (переобучение), вам нужно будет добавить метод регуляризации, который будет наказывать большие значения весов в модели.
Подробнее об этом можно прочитать в книге углубленного изучения: http://www.deeplearningbook.org/contents/regularization.html