不使用dropout的验证损失小于训练损失（vald精度高于训练精度）
Validation loss less than training loss (vald accuracy higher than training accuracy) without using dropout
我一直在研究多任务模型，使用 VGG16 没有 dropout 层。我发现验证精度高于训练精度，验证损失小于训练损失。
我似乎无法找出模型中发生这种情况的原因。
下面是训练图：
数据：
我正在使用（随机打乱图像）70% 训练，15% 验证，15% 测试，15% 测试数据的结果如下：
您认为这些结果好得令人难以置信吗？
一开始是的，但在最后你可以看到他们开始改变位置。
在训练结束时，您接近过拟合点（如果 val 损失开始增加或 val accurace 开始下降，那么您已经达到过拟合）
但一开始，可以解释这种行为的可能是训练和测试之间的一些数据不平衡。也许您在验证数据库中有更简单的示例，或者 class 不平衡，或者更多的空值等。
我一直在研究多任务模型，使用 VGG16 没有 dropout 层。我发现验证精度高于训练精度，验证损失小于训练损失。
我似乎无法找出模型中发生这种情况的原因。
下面是训练图：
数据：
我正在使用（随机打乱图像）70% 训练，15% 验证，15% 测试，15% 测试数据的结果如下：
您认为这些结果好得令人难以置信吗？
一开始是的，但在最后你可以看到他们开始改变位置。
在训练结束时，您接近过拟合点（如果 val 损失开始增加或 val accurace 开始下降，那么您已经达到过拟合）
但一开始，可以解释这种行为的可能是训练和测试之间的一些数据不平衡。也许您在验证数据库中有更简单的示例，或者 class 不平衡，或者更多的空值等。