参考：https://www.zhihu.com/question/367350659
可以判定问题的原因来自两方面，一方面是模型过拟合，另一方面是训练集和测试机的数据域不同。
一、问题定位：
至于问题的定位排查，建议按照先易后难的角度，也就是先排查训练集和测试集是否存在数据域的不同，再排查模型是否过拟合。
1.关于数据域的排查
具体来讲就是查验训练集和测试集的数据分布不一致，具体来说有如下几点
（1）数据源分布不一样：例如在图像处理中，训练集的图像采集使用的是摄像头A拍摄的，而测试集是摄像头B拍摄的，但是摄像头A和B的拍摄效果差别较大（例如：图像成图的清晰度、对比度等）；在语音识别中，训练集是音频普通话较多，测试集却很多方言；
（2）数据集的噪声干扰不同：例如在图像中，训练集的图像都是正常拍摄，但是测试集的图像都是昏暗的或遮挡的；在语音识别中，训练集可能都是清晰的音频，测试集却有很多背景杂音等。
2.关于过拟合的排查
如果不是数据域的问题，那么可以基本判定训练集和测试集的数据域是一致的。那么问题可以归为模型过拟合。
二、问题对应的解决方案
1）数据域问题的解决方式
重新编排训练集和测试集的数据组成比例，尽量做到数据在训练集和测试集上分布是一致的。
2）过拟合问题的解决方式
针对过拟合问题，一般是从数据增广和模型复杂度两个角度去处理。
（1）在数增广上，尽量在训练时增加一些在线增广的策略，例如，图像处理中，增加图像的扭曲、噪声点、扭曲、模糊等。
（2）在模型复杂度上，可以适当的增加些dropout、normal等操作，或者增减一些网络层数和数据加权等。
网友评论