擅长:python、mysql、java
<p>是的,这很正常</p>
<p>发生了什么事</p>
<ol>
<li>损失函数的轮廓将有起伏。测试和训练结果不同,但不显著</李>
<li>当列车损失达到最小值时,您的准确度将相对较高。这并不一定意味着您的测试损失<strong>必须处于最小值。当它们显著不同时,就会出现过度拟合</李>
<li>当测试损耗最小但列车损耗不最小时,您的测试精度将高于列车。这就是所谓的不适</李>
<li>理想路径的波动是正常的。这就是为什么tensorboard为您提供了平滑边缘的选项。好好使用这个选项,您就可以了解模型的性能是否良好</李>
</ol>
<p><strong>注意</strong>过拟合/欠拟合不是由单个观察结果决定的。如果两个损失的路径都随着时间的增加而偏离,那么我们就可以得出关于模型性能的结论</p>