文档中心

如何充分测试模型效果

模型校验

在查看模型评估报告基础上，首先使用模型校验功能测试未参与过训练的音频数据进行模型训练，在这一步尽量上传不同类别的数据充分测试，并在测试过程中线下记录识别错误的音频。在测试过程中需要关注以下内容：

1. 不同分类的准确率是否存在明显差异
2. 识别错误的音频是否存在一些共性？比如设备相似、音调相似、环境相似等等
3. 识别错误的音频人耳是否能明显分辨

发布模型为API通过调用接口充分测试

将声音分类模型发布为API后，调用接口进行批量测试，在测试过程中同样重点关注上述三点内容。

如何提升模型效果

在充分测试模型效果基础上，如果发现模型效果欠佳，建议根据以下顺序分析并提升模型效果。

检查并优化训练数据

首先检查目前欠佳的模型是否存在训练数据过少的情况，建议每个类别的音频量不少于200个，如果低于这个量级建议扩充。

在扩充数据中需要一并检查不同类别的数据量是否均衡，建议不同分类的数据量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，那么可能会存在不同类别的准确率不同，同时低准确率的分类会拉低整体模型效果。

另外需要检查测试模型的音频数据与训练数据采集来源是否一致，如果设备不一致、或者采集的环境不一致（录音室环境及实际生产环境的差异），那么很可能会存在模型效果不错但实际测试效果较差的情况。针对这种情况建议重新调整训练集，将训练数据与实际业务场景数据尽可能一致

最后也请确认识别错误的音频人耳是否能清晰分辨，模型效果很难超越人耳的识别精度效果，这种情况，请在百度云控制台内提交工单反馈。

联系EasyDL团队提升模型效果

在完成上述检查并优化训练数据的工作后，仍然发现了显著的模型效果低的情况，请在百度云控制台内提交工单反馈。