Понимание результатов обучения CNN

Question

Буду признателен за ваше объяснение по поводу следующего:)

Я обучил сеть CNN, которая классифицирует ДВА класса изображений. Я использовал оптимизатор "SGD" и функцию потерь "category_crossentropy".

Мои результаты следующие: - потеря обучения = 0,28 - точность обучения = 0,93 - потеря проверки = 0,38 - точность проверки = 0,82

Таким образом, очевидно, что модель немного "переоснащается" (некоторые люди говорят, что небольшая переобучение иногда бывает хорошо).

Мой вопрос (ы) сосредоточены на проверке потери и проверки точности.

Моя сеть неточна на 38% или на 82%? I`ve много читал о проверке потери и проверки точности, и люди говорят, что:

"В отличие от точности, потеря - это не процент. Это сумма ошибок, допущенных для каждого примера в обучающих или проверочных наборах ".

Но я до сих пор не могу интуитивно понять результаты (неточность 38% или точность 82%).

Большое спасибо!:)

Иван

Answer 1

Ваш набор для проверки (который считается лучшей оценкой реальной производительности) равен 0,82, что означает, что он правильно классифицирует изображения с точностью 82%. Потери при обучении не зависят напрямую от точности.