大神们，测试集loss刚开始几个epoch下降，后面立刻开始上升怎么办

我们现在在做深度学习分类医学图像，这部分医学图像的差异肉眼不可见，但已经有文献报告过可以做出来了，只是相同的方法套用到我们的数据上就不行了，也不知道这个是不是过拟合。。。

神经网络用的是简化版的SE-ResNet，EfficientNet也用过了，结果一样不行，下面分别是loss和acc，黄线是测试集，蓝线是训练集，这种情况我还可以怎么办？

试试迁移学习：扩增训练集+数据增强+增大batch_size+增大epochs+减少BN层

黄线不应该是验证集吗？为什么会跑到测试集去？train,val,和test的功能是不一样的，你如果说是val的长这样，那就是过拟合了，这个需要正则化或者降为，减小网络深度等方法调整。如果训练集和验证集的loss情况是正常的，那就是模型泛化能力不行，或者需要处理噪声。而以上两个通用的一个方法就是增大数据集，多来上一些数据可能就会好很多，毕竟多少人工多少智能。

你好，我也遇到了相同的问题，情况非常接近，请问你找到解决方法了吗

铁子我也是，我是二分类 目标一只有1000多图 目标二300多 分到test里面就更少了，现在在考虑是不是从新一波高质量图，我的图有两个清晰度的

所以那个测试集刚开始就达到的最高点可以作为模型结果吗

同学你问题解决了吗？我也是医学图像分类，情况一模一样，一开始验证集LOSS就上升

如何解决的？共享下思路么。。

请问解决了吗