測試集精確度和損失同時上公升，怎樣提高測試集的準確率呢？

1樓：減肥的小猴子

測試集的準確率和損失值同時上公升原因應該是模型過擬合了。從圖中可以看出模型在30 epoch(or iteration)達到區域性最優區域，30以後測試acc基本在小幅度波動，而loss在不斷增加，模型開始過擬合了。因此訓練到30左右就可以停止訓練了。

怎樣提高測試集的準確率

想要提高測試集準確率可以從兩部分著手：

資料。加大訓練集或者進行資料增強（影象裁剪，翻轉，加雜訊等等）。看你的需求應該是需要和他人對比，必須保持訓練集一樣，那就建議使用資料增強。

模型。其一，可以使用一些預訓練的遷移學習模型，這種模型帶有一些先驗知識，可以在一定程度上達到增加訓練集的效果（即見多識廣）。其二，改變網路結構，加入一些比較trick的結構（dropout, BN, Residual unit等等），這需要做大量的實驗來驗證效果。

其三，可以變更優化演算法，如可以採用sgd，動態調整lr。如上圖所示，如果在30 epoch的時候，減少學習率，acc有可能會提公升少許。