【问题标题】：Why validation loss, validation accuracy stay in the same range of values? [closed]为什么验证损失，验证准确率保持在相同的值范围内？ [关闭]
【发布时间】：2021-03-01 22:14:09
【问题描述】：
我读了这个post，我对如何解释有了一点了解
loss: 0.1350 - accuracy: 0.7074 - val_loss: 0.1711 - val_accuracy: 0.5299
但在我的情况下，损失减少，准确性增加，但 val_loss 和 val_accuracy 保持在同一范围内：
val_loss goes from 0.1511 to 0.2011
val_accuracy goes from 0.4011 to 0.7011
这是什么意思？
【问题讨论】：
标签：
python
tensorflow
machine-learning
keras
【解决方案1】：
损失和准确率是指您的模型在训练数据上的表现。而验证损失和验证准确度是指您的模型在验证集上的表现，这不是训练数据的一部分。您描述了一种情况，您的模型在训练数据上做得越来越好，但在验证数据上却没有做得越来越好。这意味着您的模型本质上是在学习预测训练数据，而不是学习基本概念以进行泛化。您可能需要考虑调整模型的参数或完全选择不同的模型。
【解决方案2】：
这意味着您的模型在训练数据集上表现良好，但在验证（测试）数据集上表现不佳。这可能意味着您的训练数据集对于您的优化任务来说不是一个很好的样本。或者您的训练集和测试集完全模拟不同的功能。