如何了解CNN的训练结果？

Question

我创建了一个多标签分类CNN，将胸部X射线图像分类为零种或多种可能的肺部疾病。我一直在对其进行一些配置测试并分析其结果，但是我很难理解它的某些方面。

首先，这些是我针对不同配置获得的图表：

Results of CNN with different configurations

注1：我仅更改了每种配置中的数据集大小和颜色通道数 注意2：如果您想知道为什么我要同时测试1和3个颜色通道的网络，那是因为图像在技术上是灰度的，但是我使用的是AlexNet体系结构，该体系结构采用224 x 224图像作为输入3个频道，所以我想看看网络在3个频道而不是仅3个频道上的表现是否更好

这些是我不了解的事情：

1. 为什么不同时期之间网络的敏感性和特异性差异如此之大？
2. 随着时期数的增加，网络验证损失几乎没有变化是正常现象吗？
3. 看看我得到的结果，似乎有2个时期是最好的结果。那有意义吗？我听说有人有时会训练几十个网络。
4. 为什么在许多时期之间网络的敏感性增加时，特异性趋于降低，反之亦然？

很抱歉，如果其中一些问题愚蠢，我仍然是一个新手。而且，我的总数据集大大超过了我在这些结果中显示的数据（〜110,000张图像）。由于网络训练需要时间，我只是没有用更多图像进行测试。

网络体系结构：

• 基本体系结构：AlexNet
• 损失函数：S型交叉熵损失
• Optimizer：学习率为0.001的Adam优化算法

编辑：我忘了提到要预测的疾病数量为15，并且由于类的不平衡，网络看到的0远远大于1。因此，我考虑过将损失函数更改为S型交叉熵的加权形式，但是我不确定这是否会对网络有很大帮助。