Deep learning 如何解读深度学习时代的成果？

请你告诉我如何解释一个时代的结果；损失和价值损失，它们之间的区别，以及与其他时代的区别

以输出为例：

“用机器学习的说法，一个纪元是一个给定数据集的完整过程。”摘自

而迭代就是一个小批量

损失是基于您指定的度量的实际误差，越低越好。或者换句话说，神经网络对数据的拟合程度如何

val_损失是相同的，但不是在培训中，而是在验证数据集上，我假设您正在考虑keras

对这一数字的评论：

因此，由于您的损失不会随着时间的推移而减少，我将尝试以下方法：

• 提高学习率
• 增加神经网络的大小（层、神经元）
• 长时间训练

---

由于损失和增值损失基本相同，这意味着您没有过度购买，但这意味着您根本没有学到任何东西

请提供上述示例。感谢您的回复。为了进一步澄清，请你对我所加的数字做些解释好吗？损失正在减少，尽管速度很慢；我们不知道显示的图是损失还是类似分数的准确性（我怀疑是第二个）@MohsenHaghaieghshenasfard在询问解释之前，请您提供您在此处所显示内容的详细信息？？正如@RomeoKienzler所解释的，我希望以一种将输出链接到相关超参数并更直观地更改它们的方式来解释输出，而不是通过尝试和错误。在我看来，如果有一个功能来分析输出并根据罗密欧提到的内容在网络（AutoML）上提供一些基本反馈，那将是非常有帮助的。因此，为了更绿色的地球，需要更少的迭代。@MohsenHaghaieghshenasfard没有这样要求；我说过，在要求我们帮助您解释etc之前，您必须首先清楚地解释您想要解释/解释的内容？你在情节中展示了什么？？准确吗？损失？还有别的吗？？

预测1.分数中包括什么？？