我在训练中得到很好的输出，在测试中得到很差的输出

Question

我正在训练一个模型，使用的是七个班级的4500张图片的keras，我建立了一个具有一个输入层、一个隐藏层和一个输出层的神经网络，然后当一个训练开始时，我在训练测试中获得了高精度和低损失，但在验证测试中，Valu损失从一开始就以高百分比增加，Valu acc增加缓慢。 我正在使用softmax激活功能和catgorical\u crossintroby来弥补损失 你能帮我找到问题吗

Answer 1

这是一个被称为overfitting的经典问题，它的发生实际上是因为您的模型记住了训练样本，而不是创建一个通用模型。因此，通过这种方式，您可以在训练中看到非常少的错误，这是您的机器在训练过程中看到的。另一方面，由于缺乏通用模型，您在测试数据上有一个巨大的错误（您的机器没有看到，也没有记住它们）

你应该使用一个正则化术语（阅读这篇article，清楚地解释正则化的理论以及如何在实践中做到这一点）。 如果你有一个深入的学习框架，从经验上看，辍学会有很大帮助（这个medium article似乎有一个很好的解释）