神经网络与深度学习---train_loss和val_loss(test_lost)分析
·
1.train_loss 不断下降，val_loss(test_lost) 不断下降
说明网络训练正常，最好情况
2.train_loss 不断下降，val_loss(test_lost) 趋于不变
说明网络过拟合，可以添加dropout和最大池化max pooling
3.train_loss 趋于不变，val_loss(test_lost) 不断下降
说明数据集有问题，建议重新选择
4.train_loss 趋于不变，val_loss(test_lost) 趋于不变
说明学习遇到瓶颈，需要减小学习率或批量batch数目
5.train_loss 不断上升，val_loss(test_lost) 不断上升
说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问题，最差情况
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
13
0- 0
已为社区贡献13条内容
所有评论(0)