python-3.x - 验证损失和训练损失之间的差距

Question

下面是我的 CNN 模型的验证损失和训练损失图。

验证损失随着训练损失而减少，但两个函数之间存在差距。

这是什么意思？随着验证损失的减少，模型并没有过度拟合，但是模型是否有问题，因为两个函数之间存在差距？

我是新手，所以请帮忙。

验证损失

标签： python-3.xtensorflowkerasneural-networkconv-neural-network

Answer 1

过拟合不一定伴随着验证损失曲线的变平——损失曲线之间的差距仅仅表明模型正在学习不适用于验证数据的关系。在这种情况下，我首先要检查的是集合的平衡——训练集和验证集是否都包含类/值的相等分布？在为它们分配“训练”和“验证”标签之前，是否对整个数据集进行了适当的洗牌？