Entrenamiento ResNet mixto

Un total de 95 épocas. Las 30 primeras sobre training y validation normales, luego usando data
augmentation. Accuracy final sobre validation de 0,71.

Épocas 10 - 20
Epocas 20 - 30

En las primeras 30 épocas queda claro que el rendimiento en el set de validación varía bastante en
relación al desempeño obtenido en el set de entrenamiento, que por lo demás es bastante mejor. Por
otro lado, la red parece haberse estancado cerca del 0.6 de accuracy. Para combatir esto, se introduce
data augmentation, y la diferencia es notoria, como se puede ver en los gráficos que siguen.
Épocas 30 - 35

Si bien al principio la accuracy disminuye mucho, al cabo de 5 épocas la red consigue volver a su
desempeño antiguo sobre validation, pero esta vez el set de entrenamiento aún no presenta overfitting.
Épocas 35 – 40

Se aprecia claramente que mediante data augmentation ahora la red es capaz de superar la barrera de
0.6 en validation, y que sigue aprendiendo bastante bien.
Épocas 40 – 45
Épocas 45 – 50
Épocas 50 – 55

En estricto rigor, y dado que al cambio de learning rate la función de pérdida ya no presenta un salto notorio
inmediato, podríamos haber cortado el entrenamiento aquí. Sólo para ver como seguía, se entrenó por 40 épocas
adicionales, pero no se observó un aprendizaje notorio, más allá de que la red comenzó a presentar overfitting en
el set de entrenamiento, llegando a un 0,78. En el notebook 5 se compara la diferencia entre el modelo al cabo de
la época 55 y el de la época 95 para ver la diferencia en rendimiento, aunque se teoriza que no será mucha, pues la
función de pérdida en validación queda con valores muy similares. Con respecto al resto del entrenamiento,
entonces, no hay mucho más que comentar, y se dejan los gráficos como referencia.
Épocas 55 – 85

Nota: las últimas 10 épocas están en el notebook 3.

55 - 60
60 - 65

65 – 70: no están debido a fallas de Google Colaboratory (por suerte, el modelo sí fue guardado).
70 – 75
75 – 80
80 - 85
Entrenamiento desde cero con data augmentation

Se hacen 50 épocas, pero se llega a un peor rendimiento que en el caso anterior.

1–5

5 – 15: No están disponibles debido a fallas en Colaboratory.

15 – 20
20 – 25
25 – 30
30 – 35
35 – 40
40 - 45
45 – 50
50 – 55