我有一个只有完全连接/密集层的深层网络，形状为128-256-512-1024-1024，所有层都使用LeakyReLU激活，没有丢失，最后一层有softmax激活 .
在第20个时期之后的训练期间，验证/测试损失开始反转并且上升但是测试精度也继续增加 . 这有什么意义？如果显示新数据或者是否存在某种误报，测试精度是否真的准确？
我这样编译模型：
model.compile(
loss='categorical_crossentropy',
optimizer='adam',
metrics=['categorical_accuracy']
)
我的火车/测试精度和损耗曲线的图表：
Accuracy
Loss
编辑：
这可能有所帮助 . 它是针对上一个时期的预测标签绘制的真实标签：
1 回答
利用对不正确的预测和地面实况之间的距离敏感的损失函数，这很容易实现 . 你可以得到90％的预测是正确的，但是如果这些未命中的距离远远超出标准，那么你的损失值就会增加 . 这导致一些模型没有准确地识别基础事实中的一个或两个关键因素 .