Keras中为何val_acc和acc值在训练过程中不同步？

本文共计1118个文字，预计阅读时间需要5分钟。

在一个比较好的数据集中，比如在分辨不同文字的任务中，一下是几个样本

使用VGG19，vol_acc和acc基本是同步保持增长的，比如

40/40 [==============================] - 23s 579ms/step - loss: 1.3896 - acc: 0.95 - val_loss: 1.3876 - val_acc: 0.95 Epoch 13/15 40/40 [==============================] - 23s 579ms/step - loss: 1.3829 - acc: 0.96 - val_loss: 1.3964 - val_acc: 0.96 Epoch 14/15 40/40 [==============================] - 23s 580ms/step - loss: 1.3844 - acc: 0.97 - val_loss: 1.3892 - val_acc: 0.97 Epoch 15/15 40/40 [==============================] - 24s 591ms/step - loss: 1.3833 - acc: 0.98 - val_loss: 1.4145 - val_acc: 0.98

这表明训练集和测试集同分布，在训练集中学习的特征确实可以应用到测试集中，这是最好的情况。

通过观察热力图也可以看到，最热的地方集中在特征上。比如在分辨不同的文字。

但很多时候，自己建立的数据集并不完美，或者可能不同类的特征分辨并不明显，这时候用cnn强行进行分类就会出现很多奇葩的情况。