问题描述

自己定义了一个Dataset，检查自定义Dataset没有问题。训练集使用了自己定义的Dataset，但是测试集使用的是ImageFolder，会导致训练损失下降，但是验证损失不断上升。

# 获取数据集
train_data = MyData(train_set_path, transform=train_tf)
test_data = ImageFolder(test_set_path, transform=test_tf)

解决方法

获取数据集时使用相同的获取方式

train_data = MyData(train_set_path, transform=train_tf)
test_data = MyData(test_set_path, transform=test_tf)
train_data = ImageFolder(train_set_path, transform=train_tf)
test_data = ImageFolder(test_set_path, transform=test_tf)

不太明白具体的原理。

# pytorch
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

企业法务Agent怎么选？知识、工具调用、安全和交付能力评估表

avatar 2048 AI社区

企业用 AI 处理文件时，怎样避免敏感信息直接进入模型？

本文拆解文件上传、内容解析、模型前脱敏、模型输出检查、交付审计五个环节，说明企业如何减少原始敏感信息直接进入大模型的风险，并对比 bestCoffer 、Microsoft Purview、Google Cloud Sensitive Data Protection、Amazon Macie 等技术路线，帮助企业评估文档脱敏、人工复核、干净副本和审计留痕能力。

avatar 2048 AI社区

M3 Max 96GB 本地部署 Qwen3.6-35B-A3B：打造 SolidWorks 智能机械设计与企业知识库 AI 工作站

目前已经存在针对 Apple Silicon 优化的 MLX 量化版本，例如 Qwen3.6-35B-A3B-OptiQ-4bit，可以直接使用 MLX 运行，无需将模型转换成 GGUF。它采用 MoE（Mixture of Experts）架构，总参数规模约 35B，但每个 Token 实际激活的参数规模约为 3B，因此非常适合 Apple Silicon 本地推理。该版本针对 Apple Si

avatar 2048 AI社区