tensorflow - 损失、准确性、验证损失、验证准确性之间有什么区别？

Question

在每个时代结束时，我得到例如以下输出:

Epoch 1/25
2018-08-06 14:54:12.555511: 
2/2 [==============================] - 86s 43s/step - loss: 6.0767 - acc: 0.0469 - val_loss: 4.1037 - val_acc: 0.2000
Epoch 2/25
2/2 [==============================] - 26s 13s/step - loss: 3.6901 - acc: 0.0938 - val_loss: 2.5610 - val_acc: 0.0000e+00
Epoch 3/25
2/2 [==============================] - 66s 33s/step - loss: 3.1491 - acc: 0.1406 - val_loss: 2.4793 - val_acc: 0.0500
Epoch 4/25
2/2 [==============================] - 44s 22s/step - loss: 3.0686 - acc: 0.0694 - val_loss: 2.3159 - val_acc: 0.0500
Epoch 5/25
2/2 [==============================] - 62s 31s/step - loss: 2.5884 - acc: 0.1094 - val_loss: 2.4601 - val_acc: 0.1500
Epoch 6/25
2/2 [==============================] - 41s 20s/step - loss: 2.7708 - acc: 0.1493 - val_loss: 2.2542 - val_acc: 0.4000
.
.
.
.

谁能解释一下损失，准确性，验证损失和验证准确性之间有什么区别？

Answer 1

当我们在拟合 DL 模型时提到 validation_split 作为拟合参数时，它会将每个时期的数据分为两部分，即训练数据和验证数据。
它在训练数据上训练模型，并通过检查其损失和准确性来验证验证数据上的模型。

通常随着每个 epoch 的增加，损失会降低而准确度会提高。但是使用 val_loss 和 val_acc，很多情况都是可能的:

val_loss 开始增加，val_acc 开始减少(意味着模型正在填充值而不是学习)

val_loss 开始增加，val_acc 也增加。(可能是在输出层使用 softmax 的情况下过度拟合或不同概率值的情况)

val_loss 开始减少，val_acc 开始增加(正确，意味着模型构建正在学习和工作正常)

这也是一个引用链接，其中给出了更多描述。谢谢。 How to interpret "loss" and "accuracy" for a machine learning model

我试图在 https://www.javacodemonk.com/difference-between-loss-accuracy-validation-loss-validation-accuracy-when-training-deep-learning-model-with-keras-ff358faa 解释