keras中loss與val loss的關係

loss是訓練集的損失值，val_loss是測試集的損失值

以下是loss與val_loss的變化反映出訓練走向的規律總結：

train loss 不斷下降，test loss不斷下降，說明網路仍在學習;（最好的）

train loss 不斷下降，test loss趨於不變，說明網路過擬合;（max pool或者正則化）

train loss 趨於不變，test loss不斷下降，說明資料集100%有問題;（檢查dataset）

train loss 趨於不變，test loss趨於不變，說明學習遇到瓶頸，需要減小學習率或批量數目;（減少學習率）

train loss 不斷上公升，test loss不斷上公升，說明網路結構設計不當，訓練超引數設定不當，資料集經過清洗等問題。（最不好的情況）

原出處：

keras中loss與val loss的關係

loss是訓練集的損失值，val loss是測試集的損失值 以下是loss與val loss的變化反映出訓練走向的規律總結 train loss 不斷下降，test loss不斷下降，說明網路仍在學習 最好的 train loss 不斷下降，test loss趨於不變，說明網路過擬合 max poo...

keras 訓練是 各種loss 變化情況

1 學習率可能太大 2 batch size太小 3 樣本分佈不均勻 4 缺少加入正則化 大家可以在這幾個方面去進行調整，一步一步的調整，先調整學習率，然後再調整batch size,一般這兩種情況比較多，很容易就可以解決。如果還不行，再考慮一下val 集的資料樣本和訓練集的樣本是不是同樣的分布。從...

keras多工多loss回傳的思考

如果有乙個多工多loss的網路，那麼在訓練時，loss是如何工作的呢？比如下面 model model inputs input outputs y1,y2 l1 0.5l2 0.3model.compile loss loss1,loss2 loss weights l1,l2 其實我們最終得到的...