[일반] 밑에 배치사이즈만 바꿔서 99나온다는 글쓴인데 코랩 올려봄

[106.101(kymco1)]

https://colab.research.google.com/drive/140nfwc8xU-UJaaovB2jN_G1sg9mDqUD_?usp=sharing

https://colab.research.google.com/drive/140nfwc8xU-UJaaovB2jN_G1sg9mDqUD_?usp=sharing

Google Colaboratory

Google Colaboratory

분명히 중간에 배치사이즈만 16->32 바꿨을 뿐인데

정확도가 3,40퍼대에서ㅓ 99로 개떡상함

이게 왜 그런건지 이해가 안가는데 왜임?? 한번에 많은 이미지 처리하는건데 정확도가 떨어져야 정상 아닌가?

정상인거 맞음? 90퍼 이상만 되면 되는 과제라 문제 없는거면 제출 하려는데 오류는 안뜨고

교수님이 했던 말중에 어차피 다 아무것도 모르고 오류없으면 갖다 쓴다고 했던게 계속 기억에 남아서 찜찜하넹;

[106.101(kymco1)]

사용한 데이터셋은

[106.101(kymco1)]

https://www.kaggle.com/datasets/gpiosenka/balls-image-classification?resource=download
이거고
트레이닝 테스트 따로 분류 되어 있어서 분류작업은 따로 안했움..

[익명(121.129)]

쓱 봤는데 class unbalanced한 데이터셋이네 accuracy말고 다른 metric도 평가해봐. 예를들어 클래스가 2개인 데이터셋에 각각 2개, 98개있는데 98개 맞추면 accuracy는 98%지만 나머지 class를 못맞췄으니 의미가 없음. 니 모델도 그런식으로 숫자가 많은 class에 대해 overfit 되었을 가능성이 높다

[106.101(kymco1)]

근데궁금한게 그러면 배치사이즈가 16이면 한번에 더 적은 표본을 쓰는건데 이런 경우는 왜 개떡락 하는거임??? - dc App

[익명(121.161)]

링크 두개 다 똑같은 거 알지? 16 batch 결과 없으이까 다시 올리고 아니다 올릴 필요도 없다 니 결과 볼 줄도 모르네 acc가 99고 val_acc가 23인데 도대체 뭐가 학습됐다는 거야 존나 오버피팅됐구만 ㅋㅋㅋㅋㅋㅋ 나한테 고마워해라 과제 빵점 안 맞겠네 ㅋ

[106.101(kymco1)]

교수는 그냥 acc만 언급했었는데..다른 예제에 적용시켜봐야겠다...ㄱㅅㄱㅅ - dc App

[Sisu(tljofcm55555)]

일단 test에서 train로더 쓰고있는거아니야?

[익명(223.39)]

님아 정확도가 1%도 안오르는데 acc가 99%라는게 무슨 말이에요 ??

[익명(underthewater123)]

이상치가 너무 많은 데이터셋인데 배치 수 늘려서 어느 정도 평활화되서 그럴 수도 있을거 같은데 이게 실제로 되는 경우가 있나? - dc App

[Sesiwo(visiopo44)]

윗댓처럼 acc가 99가 val acc가 23이면 ㅈㄴ 오버피팅된거구만 - dc App