我的神经网络是否达到局部最小值，因为我的验证损失在达到90％的验证准确度后有所变化？

Question

我已经使用Keras（2.2.2），python（3.6），tensorflow（1.9.0）构建了自定义的皮肤癌分类系统。

这是我得到的训练精度，验证精度和验证损失图（在x轴上给出了历元）。

在模型640过拟合之后可以安全地假设吗？。

我们可以说我们已经达到了全局最小值并且只是在那里振荡吗？

Answer 1

是的，在640进行训练肯定是错误的。从图表中可以看出，自第200个时期以来，您很可能走在错误的轨道上。利用未来的知识，您可以重新训练您的集合，在第200个时期，将您的集合的抖动略大于后来发生的反弹的1/2。 （大约400个纪元），以防止陷入局部最小值，并持续大约100-300个纪元。通过更早地进行调整，您可以使模型有机会适应未知数。

Answer 2

看起来这不太适合，因为训练和验证准确性之间没有太大差异。假设网络已经充分训练，它可能会陷入局部最小值。尝试使用不同的优化程序进行实验并更改超参数。

但是我想指出的一件事是，准确性并不是评估模型的良好指标。 检查此链接以获取更多详细信息：https://stats.stackexchange.com/questions/312780/why-is-accuracy-not-the-best-measure-for-assessing-classification-models