在训练阶段我的 CNN 验证准确性和损失函数的奇怪行为

Question

这是我的网络架构：

cnn3 = Sequential()
cnn3.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape))
cnn3.add(MaxPooling2D((2, 2)))
cnn3.add(Dropout(0.25))
cnn3.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
cnn3.add(MaxPooling2D(pool_size=(2, 2)))
cnn3.add(Dropout(0.25))
cnn3.add(Conv2D(128, kernel_size=(3, 3), activation='relu'))
cnn3.add(Dropout(0.2))
cnn3.add(Flatten())
cnn3.add(Dense(128, activation='relu'))
cnn3.add(Dropout(0.4)) # 0.3
cnn3.add(Dense(4, activation='softmax'))
cnn3.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.Adam(),
              metrics=['accuracy'])

当我绘制了训练和验证精度以及损失函数时，我得到了接下来的两个数字：

我不明白为什么验证准确性和损失都没有遵循训练准确性和损失？

Answer 1

您的验证遵循列车损失和准确性。 由于数据集较小，验证行中的抖动更多。 训练和验证之间的偏移可能是由于某种程度的过度拟合。