我们可以证明与移动网络不匹配吗？

是否有任何示例可以证明/证明我们在使用mobilenet对图像进行分类时也看到欠拟合？

我已经尝试使用ml5.js中的mobilenet进行迁移学习和特征提取，因为它已经针对数千张图像进行了训练，即使我仅添加和训练3张新图像，我似乎也能获得正确的结果。

我正在寻找一个示例，这样我可以向用户证明，移动网络也可能导致不合适。可以通过在构建模型或关闭模型时更改特定参数来实现。开放到任何技术堆栈（tensorflow.js / Ml5.js / keras）。

例如，这来自keras的文档：

const type = poke_types.find(mt => main_types.indexOf(mt) > -1);

有没有一个变量供用户更改并观察差异/不足？

此外，这是一个代码实验室链接，用于使用mobilenet和tensorflow.js进行图像分类。基本上，我想做类似的事情，但只是向用户表明在这里也可能出现欠拟合的情况。有什么办法可以修改此代码？

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

相关问答