如果不是要问这个问题的地方，请教育我，但是我们开始吧。
我正在训练UNet进行图像分割。体系结构与explained in this paper类似。 增强前我大约有 700 个案例（训练的比例为 7 - 2 - 1 >-测试-验证）
针对较少训练数据的类似模型显示，训练20个纪元后骰子得分的极限约为 0.85 。但是，我的模型的行为如下：
Epoch 1/100
18750/18750 [==============================] - 1074s 57ms/step - loss: -0.6902 - dice_coef: 0.6902 - val_loss: -0.8149 - val_dice_coef: 0.8149
Epoch 2/100
18750/18750 [==============================] - 1067s 57ms/step - loss: -0.8530 - dice_coef: 0.8530 - val_loss: -0.8482 - val_dice_coef: 0.8482
Epoch 3/100
18750/18750 [==============================] - 1076s 57ms/step - loss: -0.8661 - dice_coef: 0.8661 - val_loss: -0.8264 - val_dice_coef: 0.8264
Epoch 4/100
18750/18750 [==============================] - 1073s 57ms/step - loss: -0.8721 - dice_coef: 0.8721 - val_loss: -0.8636 - val_dice_coef: 0.8636
Epoch 5/100
18750/18750 [==============================] - 1061s 57ms/step - loss: -0.8828 - dice_coef: 0.8828 - val_loss: -0.8778 - val_dice_coef: 0.8778
Epoch 6/100
18750/18750 [==============================] - 1057s 56ms/step - loss: -0.8856 - dice_coef: 0.8856 - val_loss: -0.8673 - val_dice_coef: 0.8673
我的问题是，如果模型如此快地达到了如此高的骰子得分，我是否可以相信我做的正确，并且使val_dice_coef高于{{1} }。我正在从头开始训练网络，而之前没有进行任何初始权重分配。