Machine learning 交叉损失与准确度的关系_Machine Learning_Tensorflow_Conv Neural Network_Cross Entropy

Machine learning 交叉损失与准确度的关系

machine-learning tensorflow

Machine learning 交叉损失与准确度的关系,machine-learning,tensorflow,conv-neural-network,cross-entropy,Machine Learning,Tensorflow,Conv Neural Network,Cross Entropy,我正在培训一些CNN的图像分类任务。在一个简单的版本中，这很好，但当我让图像变得更难时，我现在遇到了这种现象（我让它在夜间训练）：训练时，训练熵损失降低。另外，在我的测试数据集上，交叉熵损失下降了。我正在进一步测量它的精度，它的行为不同。一开始它上升了，只是再次下降，然后它在0.1和0.3之间摇摆。我原以为交叉熵损失和准确度有些关联——因为它们都是在同一个测试数据集上测量的谁能给我解释一下吗？还是我的代码有错误非常感谢交叉熵并不总是与误差度量直接相关。通常，它与错误率有很好的相关性。另

我正在培训一些CNN的图像分类任务。在一个简单的版本中，这很好，但当我让图像变得更难时，我现在遇到了这种现象（我让它在夜间训练）：

训练时，训练熵损失降低。另外，在我的测试数据集上，交叉熵损失下降了。我正在进一步测量它的精度，它的行为不同。一开始它上升了，只是再次下降，然后它在0.1和0.3之间摇摆。我原以为交叉熵损失和准确度有些关联——因为它们都是在同一个测试数据集上测量的

谁能给我解释一下吗？还是我的代码有错误

非常感谢

交叉熵并不总是与误差度量直接相关。通常，它与错误率有很好的相关性。另一个典型的选择是最小化贝叶斯风险。Bayes风险只是对模型误差的期望值（反之为准确度）。这是一个持续的损失，应该更好地与您的错误率相关联。此外，测量训练误差通常是一个很好的跟踪指标