tensorflow - Val_loss 和 Loss 的数量相同(张量流)
问题描述
基本上我的loss
和val_loss
是完全相同的数字(0.0585)
这是坏事还是好事?
解决方案
如果两者loss
和val_loss
大致相同,并且如果值趋同,那么您做对的机会非常高。它表示完美拟合的场景,这意味着该模型正确地泛化到看不见的数据,这是一件好事。
确保以下事项:
- 绘制随着时间的
loss
推移并查看值是否收敛 - 你的
training_data_set
和val_data_set
不同的
通常,您的模型在训练数据上的表现要好于在未知验证数据上的表现。有点过拟合是正常的,所以在理想情况下,你将拥有的是:
val_loss > loss
最终你的目标应该是val_loss
尽可能低。一些过度拟合几乎总是一件好事(val_loss
略高于loss
)。最终重要的是val_loss
你能得到的最低。
如果您还没有这样做,建议您阅读有关模型过拟合和欠拟合的文章。
推荐阅读
- javascript - 更改 React 提及建议列表的位置
- vb.net - 从 txt 文件读取并在文本框中写入
- sql - 如何在sql中对查询表的列求和
- firebase - 当您部署一个 firebase 功能并且您有一个共同的依赖项时会发生什么?
- azure - 使用 Azure keyvault 机密中的 VM 管理员密码创建 Azure VM
- docker - docker-compose 规范说 cpus 选项已弃用,但 docker run 说使用 --cpus
- php - 上传文件返回 NULL - 带有 Laravel 8 的 VueJs3
- python - 如何使用列名指定使用 sqlite3 写入的内容?
- elixir - Elixir 将元组列表转换为 Map
- powershell - ComboBox.SelectedItem 给出 Null 值