我正在使用CNN进行图像分类。我从头开始构建它是因为我的数据集很小，而且这是一项非常具体的任务，没有文献。
我得到了包含16个类的700个数据的测试集。当我的验证集没有过拟合（当损失= 1时我将其停止，然后开始增加）时，我的准确性（以及其他指标（例如F1得分，准确性，召回率和混淆矩阵））比我过拟合模型时要低（损耗= 2.5，火车设置精度= 99％）。
当我不过度拟合验证集时，我将获得70％的准确性，而当我过度拟合模型时，我将攀升至80％。
使用过度拟合模型是一个很好的策略，因为我实际上没有更多数据可以训练或测试我的模型。但是新数据应该与我的实际测试集非常相似。