模型完成后的Keras图解释

Question

这不是一个编程问题，我为此道歉。我训练了我的网络并生成了这些图表。 http://imgur.com/a/zOglL http://imgur.com/a/90JKl

我正在努力寻找一个答案来解决Accuracy vs Val_Accuracy和Loss vs Val_loss真正代表的问题。我明白如果val_loss开始跳高，这意味着有过度拟合，网络开始记忆数据而不是学习。任何人都可以更详细地解释它们的含义吗？

Answer 1

在神经网络训练期间 - 您通常会提供两组数据 - train一和validation。你的训练算法是从train集中获取数据 - 并且使用微积分和反向传播它试图减少cost函数，它以某种方式表示你的表示有多好（越小越好）。除此之外 - 为cost集合计算validation，这是训练算法无法看到的 - 因此可以检查模型是否过度拟合 train 1}}提供的数据（如果train loss小于validation loss，则会发生这种情况）。尽管可以计算loss个不同的度量标准，但其中一个可能是accuracy。有时，它们可以让您更好地了解模型的工作原理，因为loss可能很难理解。度量标准可让您更好地了解模型是否正常运行。