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/