这不是一个编程问题，对此我深表歉意。我已经训练了我的网络并生成了这些图。
http://imgur.com/a/zOglL
http://imgur.com/a/90JKl
我正在努力寻找准确度与Val_Accuracy和损失量与Val_loss真正代表什么的答案。我确实了解到，如果val_loss开始跳高，则意味着存在过度拟合，网络只是开始存储数据，而不是学习数据。任何人都可以更详细地解释它们的意思吗？
最佳答案
在神经网络训练期间，通常会提供两组数据-一个train一个和validation一个。您的训练算法是从train集中获取数据-并使用演算和反向传播来尝试减少cost函数，该函数以某种方式表示您的表示有多好（越小越好）。除此之外-为训练算法看不到的cost集计算了validation-因此可以检查模型是否不对提供的train数据过度拟合（如果train loss为基本上小于validation loss）。尽管loss可能会计算出不同的指标-其中之一可能是accuracy。有时，它们使您可以更好地了解模型的工作方式，因为loss可能很难理解。指标可让您更好地了解模型是否运作良好。
关于plot - 模型完成后的Keras图说明，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43102156/