寻找关于我的损失/准确性与历时曲线的宝贵建议
我的Keras-Tensorflow模型的行为如下图所示。我可以看到训练和验证损失表现不错，但是训练和验证的准确性却很不正常。我认为验证数据集可能比训练集要容易得多。因此，我获得了很高的验证准确性。我期待着您的建议。
问题来源：stackoverflow
展开
收起
1
条回答
写回答
写回答
-
从训练中的指标和损失的角度来看，您在此处显示的图看起来很正常。
由于我们正在使用batch_training，通常会看到小的峰值。另外，当您看到那些损耗峰值（损耗增加）时，精度也会降低。
因此，无需担心情节本身。
但是，您对验证准确性的观察确实是明智的：在大多数情况下，发生这种情况是因为验证数据集更容易。
解决此问题的一种方法是使用交叉验证，以查看此现象是否仍然存在。
交叉验证是一种用于模型验证的技术，其中，每次迭代/折叠时，数据集中有一部分保留用于训练和验证。下图总结了我刚刚写的内容。
发生此现象的另一个原因是由于称为Dropout的正则化技术。如您所知，在训练阶段，在某个层上施加的辍学意味着一定百分比的神经元的随机关闭/失活。反过来这会不利于训练集的表现，但是同时降低了过度拟合的风险。因此，很多时候在训练期间使用Dropout时，可能会存在验证准确性更高的情况，因为在验证的预测期间未启用Dropout。
回答来源：stackoverflow
2020-03-23 20:20:51赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
