【问题标题】：Accuracy graph for neural network is fluctuating a lot神经网络的准确度图波动很大
【发布时间】：2019-05-29 17:38:31
【问题描述】：
我做了一个神经网络，它的架构如下：
它有两个合并的两个分支。一个分支将矩阵作为卷积网络的输入，而另一个分支是将向量作为输入的全连接层。这两个分支被合并并发送到一个全连接层，然后是一个输出层。我的网络运行，但是，我得到以下图表：
为了准确：
对于损失：
我认为我的损失图还可以。但是准确性的乐趣波动很大。我的整体准确率是 60%。您认为这些图表表明拟合不足还是正常？见解将不胜感激。
【问题讨论】：
标签：
python-3.x
keras
neural-network
【解决方案1】：
由于批量训练而出现波动是一种常见的行为。当且仅当为神经网络提供整个数据集时（从计算的角度来看这是不可能的），才能获得完美的平滑损失图/准确性增加。
当您的训练损失增加时，验证准确度会降低，这是一个好兆头。最后一张图和我之前的观察一起消除了过度拟合的可能性（至少在开发集上）。
图表看起来并没有什么异常（除了我已经提到的那些尖峰，在批量训练期间出现它们是正常的）
这可能是也可能不是欠拟合的情况。如果在两个分支上（甚至在其中一个分支上）使用更复杂的神经网络可以得到更好的结果，那么这意味着这是一种欠拟合的情况。
但是，这种欠拟合现象与您在图表上看到的尖峰无关。
希望这可以帮助您解决问题:)