samet-akcay
how can i balance the model
hi,samet-akcay, thanks for your code, i train my custom data,then i write my test code,the effect of detecting NG samples is great,but often recognize OK samples as NG,how can i solve the problem
@Johncheng1 ，由于是业务代码，所以不能共享，下面是我的逻辑，我训练的正样本集是A，测试的正样本集是B，测试的负样本集是C，我每训练一定的批次，就去计算在A上的最大编码距离，然后用该距离去测试B和C，超过最大编码距离则判定为NG
好的，请问这个方法做出来的实际效果怎么样呢？
| | 王诚 | | 邮箱：[email protected] |
签名由 网易邮箱大师 定制
On 07/29/2020 12:24, NashString wrote:
@Johncheng1 ，由于是业务代码，所以不能共享，下面是我的逻辑，我训练的正样本集是A，测试的正样本集是B，测试的负样本集是C，我每训练一定的批次，就去计算在A上的最大编码距离，然后用该距离去测试B和C，超过最大编码距离则判定为NG
— You are receiving this because you were mentioned. Reply to this email directly, view it on GitHub, or unsubscribe.
@ Johncheng1，效果不错，真阳率和真阴率可以同时达到100%
请问自己建立的模型出现这种情况该如何处理：G模型的损失值在逐步下降，而D模型的损失值基本不怎么变换，且不能区分出正样本和负样本（正样本和负样本的距离值的分布基本吻合）
@dgl547437235 你好，我想请教以下您这里用的最大编码距离是什么距离？ 因为代码的test里写的是用欧式距离，但是论文里分数用的L1范数。。。我将0设置为alnomaly，在mnist上训练了15轮之后，测试的时候发现NetG对0的重建效果也很好= =|||，分数无论用L1范数还是L2范数似乎都不能很好的找个阈值来区分正常和异常样本。
@hqabcxyxz ，你好，我的最大编码距离是GNet在所有训练过的normal数据集上得出的，你可以试着把编码损失的权重增大，这么做可以有效提高异常样本的编码距离