火车精度增加，火车损失稳定，验证损失增加，验证准确性低并增加

Question

我在pytorch中进行的神经网络训练变得非常奇怪。

我正在训练已知数据集，该数据集分为训练和验证。我在训练期间整理数据并即时进行数据扩充。

我有那些结果：

火车精度从80％开始并增加

火车损耗减少并保持稳定

验证精度从30％开始，但缓慢增加

验证损失增加

我有以下要显示的图形：

1. 您如何解释验证损失增加和验证准确性增加？

2. 验证集和训练集之间的准确度差异如何？ 90％和40％？

我的训练和验证集分别包含大约5000和200个样本。

Answer 1

如果训练集与验证集相比非常大，则您更可能过度拟合和学习训练数据，这将使模型的泛化非常困难。我看到您的训练准确性为0.98，而您的验证准确性却以非常缓慢的速度增加，这意味着您的训练数据过拟合。

[尝试减少训练集中的样本数量，以提高模型对不可见数据的泛化程度。