|
|
|
|
@ -77,7 +77,7 @@ print( '预测正确率为{:.2%}'.format(true/index))
|
|
|
|
|
三、实训结果和分析
|
|
|
|
|
模型预测的正确率达到了100%，说明了我们的模型在车辆预测这一任务上具有很高的准确性和可靠性。
|
|
|
|
|
模型准确率高的原因可能是数据集质量较高，有助于模型在学习过程中捕捉到关键特征。并且微调策略选择比较适当。
|
|
|
|
|
六、讨论与心得
|
|
|
|
|
四、讨论与心得
|
|
|
|
|
在这次实训中，我们了解到了机器学习和深度学习的概念，并且基于迁移学习这种思想，通过案例分析，学会了使用PaddleHub 的 FineTune功能进行图像分类。
|
|
|
|
|
在学习的过程中，我们深刻地体会到了预训练模型的强大和微调策略的重要性。预训练模型可以减少训练时间，提高训练的效率和模型的性能。合适的微调策略可以帮助模型快速收敛，同时避免过拟合现象。
|
|
|
|
|
在今后的学习中，我们也会持续关注深度学习这一领域，关注finetune技术的发展，不断提升自己的技能水平，寻求这一技术在化学专业中的运用，做到学科交叉融合。
|
