四分类垃圾桶神经网络识别
https://maixhub.com/model/training/project
训练参数： 图像增强+随机镜像+随机旋转+随机模糊
缩放方式contain
缩放宽度224
缩放高度224
平均值123.5
标准差58.395
模型信息:
部署平台nncase
模型类型transfer_learning
模型网络default
主干网络mobilenet_0.75
训练参数:
训练次数100
批量大小32
学习率0.001
标注框限制10
混淆矩阵
• 横坐标是期望值（即标注的标签值），纵坐标是模型预测的值，中间的数值为计数
• 期望值和预测值相同的数量越多表示验证集的拟合效果越好
• 注意，如果你发现在验证集的正确率很高，而实际在硬件上跑起来准确率低，则需要考虑是不是训练数据的数量和覆盖的场景不足
损失和精确度
• loss 指损失函数计算后的损失值，值看左侧纵坐标，在下降说明模型训练仍然可以收敛，但不代表实际效果好
• acc 指预测正确率，值看右侧纵坐标，代表在训练集上的正确率，在上升说明模型正在训练集上收敛，但不代表实际效果好
• val_acc 指在验证集的预测正确率，代表在验证集上的正确率，用来作为判断模型训练效果的依据，实际应用效果则取决于验证集和实际场景的差距
在验证集上第100次训练迭代有最佳准确率：0.969
