keras - 对于几乎相同类型的准确性，我得到了不同的验证损失

Question

我为多类分类制作了两个不同的卷积神经网络。我在 keras 中使用评估生成器函数测试了两个网络的性能。两种模型都为我提供了可比的准确度。一个给我 55.9%，另一个给我 54.8%。然而，给我 55.9% 的模型给出了 5.37 和 1.24 的验证损失。

当准确度不同时，这些测试损失怎么会如此不同
相似的。如果有的话，我希望模型的损失与
55.9% 的准确度要低一些，但事实并非如此。

损失不是网络造成的错误总和吗？

见解将不胜感激。

Answer 1

损失不是网络造成的错误总和吗？
嗯，不是真的。 损失函数或 成本函数是一种函数，它将一个事件或一个或多个变量的值映射到一个实数，直观地表示与该事件相关的某些“成本”。
例如，在回归任务中，损失函数可以是均方误差。在分类中 - 二元或分类交叉熵。这些损失函数衡量您的模型对数据的理解与现实的接近程度。

为什么损失和准确率都很高？
高损失并不意味着您的模型一无所知。在基本情况下，您可以认为损失越小，模型对其选择的信心就越大。
因此，具有较高损失的模型并不确定其答案。
您也可以阅读此 discussion关于高损失和准确性