在使用自己的数据集进行训练时会出现过拟合问题

你好， 我在使用自己的数据集进行训练时遇到了过拟合问题。 我正在进行一些车牌识别的研究，有超过 60 万张车辆图像，没有标注问题。每张图像中只有一辆车，很少有两辆车。我的问题如下： 1. 随着学习率降低，出现了过拟合，如附件所示。 RFB 设置 --milestones 150, 220 --batch-size 24 --input size 320 运行 cuda lr_rate: 0.01 在第 150 个 epoch 中降低为 0.001，然后在第 220 个 epoch 中降低为 0.0001。 我尝试添加了 dropout、使用 Adam 优化器、添加增强，但没有帮助。 有人知道我还可以尝试什么吗？ 在我的情况下，早期停止是唯一的答案吗？ 2. 当添加超过 40 万张图像时，训练在第 0 个 epoch 后就停止了。 我不确定是否有任何限制，但每当我使用超过 40 万张图像作为数据集进行训练时，训练就不会开始，在第 0 个 epoch 后就卡住了。 同样，当我将图像大小设置为 640，用于少于 40 万张数据集时，也会出现同样的问题。 我是 ML 新手，您的经验建议将非常有用。 谢谢！