训练集的loss一定比测试集的loss小，模型才对么？我的模型只设立了训练集和测试集（8:2），但网络训练出来，一直都是训练集的loss大于测试集的，我看其他人的论文里，基本都是训练集的loss小于测试集的loss，最后趋于稳定，判定模型收敛。
浏览 33
已结题
神经网络训练集的loss比测试集的大，这正常么？
图片转代码服务由CSDN问答提供 功能建议
loss
tRAIN
TEST
0.018
0.016
0.014
0.012
0.010
0.008 -
0.006 -
20 40 60 0 80 100
epocH- 写回答
- 好问题 提建议
- 追加酬金
- 关注问题
- 分享
- 邀请回答
微信扫一扫4条回答 默认 最新
相关推荐 更多相似问题
- 2021-04-11 17:39回答 3 已采纳 input_shape=(7787,)这里是不是少了一个参数
- 回答 1 已采纳 现象很正常啊，遇到陌生的数据损失肯定会高，loss肯定是在震荡但整体呈下降趋势的
- 2020-05-07 13:18回答 3 已采纳 验证的正确率刚开始就接近1？ 你用的是一个已经训练好的模型吗？
- 2021-11-18 11:33上课不要摸鱼江的博客 loss是训练集的损失值，val_loss是测试集的损失值 如何判断模型是否可以继续训练？（或者说好坏） 以下是loss与val_loss的变化反映出训练走向的规律总结： train loss 不断下降，test loss不断下降，说明网络仍在...
- 2021-08-09 09:46sunshinecxm_BJTU的博客 一，train loss与test loss结果分析 train loss 不断下降，test loss不断下降，说明网络仍在学习; train loss 不断下降，...train loss 不断上升，test loss不断上升，说明网络结构设计不当，训练超参数设置不当，数
- 没有解决我的问题, 去提问
