如何解读深度学习中的一个时代的结果？

Question

请您解释如何解释一个时代的结果;损失和val_loss，他们之间的差异以及与其他时代的差异？

以输出为例：

Answer 1

“在机器学习的说法中，一个纪元是完整的传递给定数据集。”取自https://deeplearning4j.org/glossary

而迭代例如是小批量

损失是基于您指定的度量的实际误差，越低越好。或者换句话说，神经网络与数据的匹配程度有多好

val_loss是相同的，但不是在训练上，而是在验证数据集上，我假设你正在考虑keras ......

对图的评论：

因此，由于您的损失不会随着时间的推移而减少，我会尝试以下方法：

• 提高学习率
• 增加神经网络（层，神经元）的大小
• 训练更长时间

由于损失和val_loss非常相似，这意味着你没有过度使用，但是你接触到它根本就没有学习