[英]High loss on correct predictions, low loss on wrong predictions
我正在嘗試向 MobileNetV2 架構教授分類任務，並且在訓練和驗證期間一切進展順利。 驗證損失達到 0.1（分類交叉熵），准確率為 99%。 但是在測試期間，即使准確率沒有下降，損失也飆升至 16！ 我檢查了不同預測的損失分布，令我驚訝的是，正確預測的損失（其中 99%）為 16，錯誤預測的損失約為 4。 由於我沒有經驗，因此我希望您向我介紹這種行為的一些可能原因。 如果您希望我發布更具體的信息，請隨時告訴我。
先感謝您！
好吧，愚蠢的我使用 sigmoid 而不是 softmax 作為最后一層的激活函數
Keras：非常低的精度，非常高的損耗，並且每個輸入的預測都是相同的
[英]Keras: very low accuracy, very high loss and predictions are the same for every input
由於使用自定義損失函數，自動編碼器的預測都是 NaN
[英]Predictions of Autoencoder are all NaNs because of using custom loss function
Python中的xgboost：預測，梯度，粗麻布和損失函數的定義在哪里？
[英]xgboost in Python:where are the definitions of predictions, gradient, hessian and loss function?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
