質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.36%

深層学習の学習曲線の見方について教えてください

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 1,113

深層学習超初心者です。

深層学習によって画像認識を行い、結果について学習曲線を見て評価したいと考えています。

あるWEBサイトに載っているものを実際に動かしてみたのですが、精度を示すグラフが、学習データを用いた精度よりも検証データを用いた精度のほうが高くなってしまっているのですが、これは正しく学習できていないということなのでしょうか?
添付した画像のような学習曲線になっています。
(オレンジ:検証精度、青:学習精度)

精度を示す学習曲線

初歩的なことで申し訳ありませんがよろしくお願いいたします。

追記

ソースコードは以下のWEBサイトを参考にしました。
・https://qiita.com/tomo_20180402/items/e8c55bdca648f4877188
・https://spjai.com/keras-fine-tuning/

import os
import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras import models
from keras import layers
from keras import optimizers
from keras.layers import Conv2D, MaxPooling2D,Input
from keras.layers import Dense, Dropout, Flatten
import matplotlib.pyplot as plt
import keras

IMAGE_SIZE = 224
N_CATEGORIES = 20
BATCH_SIZE = 64
NUM_EPOCHS = 20

train_data_dir = ''
validation_data_dir = ''

NUM_TRAINING = 80000
NUM_VALIDATION = 12000


model = models.Sequential()
model.add(layers.Conv2D(32,(3,3),activation="relu",input_shape=(224,224,3)))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(64,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(128,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))
model.add(layers.Conv2D(256,(3,3),activation="relu"))
model.add(layers.MaxPooling2D((2,2)))


model.add(layers.Flatten())
model.add(layers.Dense(128,activation="relu"))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(N_CATEGORIES,activation="softmax")) 


model.compile(loss='categorical_crossentropy',
                          optimizer=optimizers.SGD(lr=1e-4,momentum=0.9),
                          metrics=['acc'])
model.summary() 


train_datagen = ImageDataGenerator(
   rescale=1.0 / 255,
   shear_range=0.2,
   zoom_range=0.2,
   horizontal_flip=True,
   rotation_range=10)
test_datagen = ImageDataGenerator(
   rescale=1.0 / 255,
)

train_generator = train_datagen.flow_from_directory(
   train_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)
validation_generator = test_datagen.flow_from_directory(
   validation_data_dir,
   target_size=(IMAGE_SIZE, IMAGE_SIZE),
   batch_size=BATCH_SIZE,
   class_mode='categorical',
   shuffle=True
)

history = model.fit_generator(train_generator,
   steps_per_epoch=NUM_TRAINING//BATCH_SIZE,
   epochs=NUM_EPOCHS,
   verbose=1,
   validation_data=validation_generator,
   validation_steps=NUM_VALIDATION//BATCH_SIZE,
   )


model.save('model.h5') 


# グラフ描画
# Accuracy
plt.plot(range(1, NUM_EPOCHS+1), history.history['acc'], "o-")
plt.plot(range(1, NUM_EPOCHS+1), history.history['val_acc'], "o-")
plt.title('model accuracy')
plt.ylabel('accuracy')  # Y軸ラベル
plt.xlabel('epoch')  # X軸ラベル
plt.legend(['train', 'test'], loc='upper left')
plt.show()
# loss
plt.plot(range(1, NUM_EPOCHS+1), history.history['loss'], "o-")
plt.plot(range(1, NUM_EPOCHS+1), history.history['val_loss'], "o-")
plt.title('model loss')
plt.ylabel('loss')  # Y軸ラベル
plt.xlabel('epoch')  # X軸ラベル
plt.legend(['train', 'test'], loc='upper right')
plt.show()
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

0

仰る通り、テストが高いのですがこのグラフだけでは何とも言えないかと思います。
出典元のWebサイトをご紹介頂く事は難しいでしょうか。
そちらのサイトを見れれば、どういうデータを使ったのか、
またサイトとこちらのグラフとの差から考察できるかと思います。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2020/10/05 09:59

    追記を行いましたので確認のほどお願いいたします。
    データは自身で収集した画像を使用しました。

    キャンセル

  • 2020/10/05 13:53

    ご対応ありがとうございました。データの詳細が分からないとなんともですが、
    ・転移学習をしていない(学習量の少なさをカバーする)
    ・画像枚数は大幅な差が無い数十枚規模(特徴量の抽出差が少ない)
    だと過学習の可能性が高いと思われます。
    私の回答が悪く大変申し訳ないですが、コードよりデータの影響が大きる出るカテゴリですので
    データ無しで出来る回答としてはこの程度となってしまいますが如何でしょうか。
    (「どういうデータを使ったのか」は同じデータで学習した事を期待していました。)

    キャンセル

  • 2020/10/06 11:44

    こちらこそ回答いただきありがとうございました。
    諸事情によりデータについての詳細を申し上げることはできないのですが、ご指摘いただきました可能性を基に再度検討していこうと思います。
    この度はありがとうございました。

    キャンセル

  • 2020/10/06 13:11

    分かりました。あまりお役に立たなかった回答ですみません。次の検証はうまくいくと良いですね!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.36%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る