machine-learning - Train Accuracy 增加，Train loss 稳定，Validation loss 增加，Validation Accuracy 低并且增加

Question

我在 pytorch 中的神经网络训练变得非常奇怪。

我正在训练一个已知的数据集，该数据集分为训练和验证。我在训练期间对数据进行洗牌，并在飞行中进行数据扩充。

我有这些结果：

训练准确率从80%开始并增加

火车损失减少并保持稳定

验证准确度从30%开始，但增长缓慢

验证损失增加

我有以下图表要显示：

1. 你如何解释验证损失增加和验证准确度增加？

2. 验证集和训练集之间的准确性差异怎么会如此之大？90% 和 40%？

更新：

我平衡​​了数据集。是二分类。现在它有来自第 1 类的 1700 个示例，来自第 2 类的 1200 个示例。总共有 600 个用于验证，2300 个用于训练。我仍然看到类似的行为：

**可能是因为我冻结了部分网络的权重吗？

**可能是因为像 lr 这样的超参数吗？

标签： machine-learningneural-networkpytorchtraining-dataloss

Answer 1

我找到了解决方案：我对训练集和验证集进行了不同的数据扩充。匹配它们也提高了验证的准确性！