我根据本文档https://arxiv.org/pdf/1512.03385.pdf为cifar 10实施了ResNet。
但是我的准确性与文档中获得的准确性大不相同
我的-86％
个人电脑女儿-94％
我怎么了
https://github.com/slavaglaps/ResNet_cifar10
最佳答案
您的问题有点过于笼统，我认为网络过于适合训练数据集，因为您可以看到训练损失非常低，但是在第50个时期之后，验证损失不再改善。
我没有深入阅读该论文，所以我不知道他们是如何解决问题的，但是增加正则化可能会有所帮助。以下链接将为您指明正确的方向http://cs231n.github.io/neural-networks-3/
下面我复制了文本摘要：
摘要
训练神经网络：
使用少量数据梯度检查您的实现，并注意陷阱。
作为健全性检查，请确保您的初始损失是合理的，并且您可以在很小的一部分上达到100％的训练准确性
数据
在训练过程中，请监控损失，训练/验证的准确性，以及如果您觉得更怪异，请查看与
参数值（应为〜1e-3），并且在处理ConvNets时，
第一层重量。
建议使用的两个更新是SGD + Nesterov Momentum或Adam。
在培训期间降低学习率。例如，在固定次数后将学习率减半，或者
只要验证准确性达到最高。
使用随机搜索（而不是网格搜索）搜索良好的超参数。从粗略（超参数范围广，
只能训练1-5个纪元），还可以（更窄的游骑兵，
很多时代）
表格模型合奏以提供额外的性能
关于machine-learning - ResNet如何实现文档中的准确性？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43355803/