在深度学习中，我们应该根据列车/纬度损失和准确度选择最佳模型，但我怎么知道哪个点最好？
无论其他指标如何，它是否仅取决于val准确度？
还有两个相关的问题：
最佳列车/阀门损耗和精度曲线如何？
如果列车损失减少且列车精度增加，我该怎么办，但是在长时间训练后，val精度会增加而val精度会停止增加？
它看起来像这样：
train accuracy
train loss
val accuracy
val loss
首先，您需要根据开发/验证数据集的结果选择模型 . 因此，val精度和val损失用于判断模型的性能 .
在某种程度上，较高的val精度通常与较低的val损失相关 . 那是因为你的损失用来衡量预测结果和地面实况之间的差异 .
通过不同的指标衡量不同的问题，就像我们经常在机器翻译中使用BLEU得分一样，您需要阅读一些关于您的研究领域的论文，以获得受欢迎的指标 .
在模型训练中，火车损失减少和val损失增加是非常正常的外观，它通常意味着您的模型过度拟合 . 它学习的功能太多只出现在训练数据集中，而不是整个数据集中 .
至于处理过度拟合，有很多方法，如早期停止，下降层等 . 你可以谷歌它 .
1 回答
首先，您需要根据开发/验证数据集的结果选择模型 . 因此，val精度和val损失用于判断模型的性能 .
在某种程度上，较高的val精度通常与较低的val损失相关 . 那是因为你的损失用来衡量预测结果和地面实况之间的差异 .
通过不同的指标衡量不同的问题，就像我们经常在机器翻译中使用BLEU得分一样，您需要阅读一些关于您的研究领域的论文，以获得受欢迎的指标 .
在模型训练中，火车损失减少和val损失增加是非常正常的外观，它通常意味着您的模型过度拟合 . 它学习的功能太多只出现在训练数据集中，而不是整个数据集中 .
至于处理过度拟合，有很多方法，如早期停止，下降层等 . 你可以谷歌它 .