Machine learning 神经网络已经收敛的证据？

我已经训练了一个卷积网络，有7个可学习的层，训练了大约20个小时。判断网络是否已融合或仍需培训的一般方法有哪些

下面是第一个卷积层参数的直方图：

以下是培训和测试集的损失和准确性图表：

---

显然，当你的分数在上升（训练和测试）时，这意味着你走上了正确的道路，你将达到本地/全球最低水平。当你看到分数移动的方向改变（训练仍在下降，测试仍在上升）或两个分数都处于停滞状态时，是时候停止了

但是

当您使用精度作为评估的度量时，您可以得到模型的异常行为。例如：网络输出的所有结果将是最有价值的类的数量。这个问题可以通过使用另一个评估指标来解决，如f1、logloss等，您将看到学习期间的任何问题

---

此外，对于不平衡的数据，您可以使用任何策略来避免不平衡的负面影响。我喜欢拳击。您可以找到实现。

您可以通过绘制培训和验证/测试损失图来获得想法。训练您的模型，直到两个图形之间的距离减小或恒定，但当它开始增大时，您应该停止它。