train default dataset, acc unchange.

[simplew2011]

Fri Dec 11 22:08:15 2020 Fold 2, Epoch 11, lr: 0.0000849, train loss: 0.03911, valid loss: 0.00720, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:15 2020 Fold 2, Epoch 12
loss: 0.03136, smth: 0.02190: 100%|
100%|
Fri Dec 11 22:08:20 2020 Fold 2, Epoch 12, lr: 0.0000565, train loss: 0.02190, valid loss: 0.00529, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:20 2020 Fold 2, Epoch 13
loss: 0.00997, smth: 0.02012: 100%|
100%|
Fri Dec 11 22:08:24 2020 Fold 2, Epoch 13, lr: 0.0000327, train loss: 0.02012, valid loss: 0.00648, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:24 2020 Fold 2, Epoch 14
loss: 0.06338, smth: 0.05295: 100%|

Fri Dec 11 22:08:29 2020 Fold 2, Epoch 14, lr: 0.0000149, train loss: 0.05295, valid loss: 0.00702, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:29 2020 Fold 2, Epoch 15
loss: 0.00576, smth: 0.01205: 100%|
Fri Dec 11 22:08:35 2020 Fold 2, Epoch 15, lr: 0.0000038, train loss: 0.01205, valid loss: 0.00804, acc: 47.3684, auc: 0.500000.
77 19
Fri Dec 11 22:08:35 2020 Fold 3, Epoch 1
loss: 0.65180, smth: 0.65786: 100%|
Fri Dec 11 22:08:40 2020 Fold 3, Epoch 1, lr: 0.0000300, train loss: 0.65786, valid loss: 0.64426, acc: 47.3684, auc: 0.500000.

[MachineLP]

Fri Dec 11 22:08:15 2020 Fold 2, Epoch 11, lr: 0.0000849, train loss: 0.03911, valid loss: 0.00720, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:15 2020 Fold 2, Epoch 12
loss: 0.03136, smth: 0.02190: 100%|
100%|
Fri Dec 11 22:08:20 2020 Fold 2, Epoch 12, lr: 0.0000565, train loss: 0.02190, valid loss: 0.00529, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:20 2020 Fold 2, Epoch 13
loss: 0.00997, smth: 0.02012: 100%|
100%|
Fri Dec 11 22:08:24 2020 Fold 2, Epoch 13, lr: 0.0000327, train loss: 0.02012, valid loss: 0.00648, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:24 2020 Fold 2, Epoch 14
loss: 0.06338, smth: 0.05295: 100%|

Fri Dec 11 22:08:29 2020 Fold 2, Epoch 14, lr: 0.0000149, train loss: 0.05295, valid loss: 0.00702, acc: 47.3684, auc: 0.500000.
Fri Dec 11 22:08:29 2020 Fold 2, Epoch 15
loss: 0.00576, smth: 0.01205: 100%|
Fri Dec 11 22:08:35 2020 Fold 2, Epoch 15, lr: 0.0000038, train loss: 0.01205, valid loss: 0.00804, acc: 47.3684, auc: 0.500000.
77 19
Fri Dec 11 22:08:35 2020 Fold 3, Epoch 1
loss: 0.65180, smth: 0.65786: 100%|
Fri Dec 11 22:08:40 2020 Fold 3, Epoch 1, lr: 0.0000300, train loss: 0.65786, valid loss: 0.64426, acc: 47.3684, auc: 0.500000.

Because there is too little data, this is normal.

[Wanghui-Huang]

@MachineLP 您好！有些问题想请教下您。

• 我使用了自己的数据集~3k张图片，但是acc和auc依然始终没有变化？请问是怎么回事呢？
  
• 为什么在您的数据集中，训练集和测试集是一致的？我大概看了您的代码，是否逻辑是这样（假定当前循环fold==0）：此时fold!=0的图片会被当做训练集，其余的fold==0的被当做验证集和测试集？但是这样也使得验证集和测试集是一致的？是否不太好，按照6:2:2划分会更好些？

[MachineLP]

@MachineLP 您好！有些问题想请教下您。

• 我使用了自己的数据集~3k张图片，但是acc和auc依然始终没有变化？请问是怎么回事呢？
  
• 为什么在您的数据集中，训练集和测试集是一致的？我大概看了您的代码，是否逻辑是这样（假定当前循环fold==0）：此时fold!=0的图片会被当做训练集，其余的fold==0的被当做验证集和测试集？但是这样也使得验证集和测试集是一致的？是否不太好，按照6:2:2划分会更好些？

这个比例可以根据自己的需求改一下。

[Wanghui-Huang]

@MachineLP 您好！有些问题想请教下您。

• 我使用了自己的数据集~3k张图片，但是acc和auc依然始终没有变化？请问是怎么回事呢？
  
• 为什么在您的数据集中，训练集和测试集是一致的？我大概看了您的代码，是否逻辑是这样（假定当前循环fold==0）：此时fold!=0的图片会被当做训练集，其余的fold==0的被当做验证集和测试集？但是这样也使得验证集和测试集是一致的？是否不太好，按照6:2:2划分会更好些？

这个比例可以根据自己的需求改一下。

感谢您的回复，关于acc和auc没有改变，您大概知道是哪里有问题吗？因为有些代码细节没看太明白，所以一下不知道怎么改这里，请教您有大概的思路关于这里出问题了吗？

[MachineLP]

@MachineLP 您好！有些问题想请教下您。

• 我使用了自己的数据集~3k张图片，但是acc和auc依然始终没有变化？请问是怎么回事呢？
  
• 为什么在您的数据集中，训练集和测试集是一致的？我大概看了您的代码，是否逻辑是这样（假定当前循环fold==0）：此时fold!=0的图片会被当做训练集，其余的fold==0的被当做验证集和测试集？但是这样也使得验证集和测试集是一致的？是否不太好，按照6:2:2划分会更好些？

这个比例可以根据自己的需求改一下。

感谢您的回复，关于acc和auc没有改变，您大概知道是哪里有问题吗？因为有些代码细节没看太明白，所以一下不知道怎么改这里，请教您有大概的思路关于这里出问题了吗？

上传的数据集 太小了，仅供测试流程， 换成自己数据集。