Question

我有一个只有完全连接/密集层的深层网络，其形状为128-256-512-1024-1024，所有层都使用LeakyReLU激活，没有丢失，最后一层有softmax激活。

在第20个时期之后的训练期间，验证/测试损失开始反转并且上升，但测试精度也继续增加。这有什么意义？如果显示新数据或者是否存在某种误报，那么测试精度是否真的准确？

我编译了这样的模型：

model.compile(
    loss='categorical_crossentropy',
    optimizer='adam',
    metrics=['categorical_accuracy']
 )

我的火车/测试准确度和损耗曲线的图表：

精度

损失

编辑：

这可能会有所帮助。它是针对上一个时期的预测标签绘制的真实标签：

Answer 1

对于不正确的预测与地面实况之间的距离敏感的损失函数，这很容易实现。你可以得到90％的预测是正确的，但是如果这些未命中的距离远远超出标准，那么你的损失值就会增加。这导致一些模型无法准确识别基本事实中的一个或两个关键因素。