Neural network 使用交叉验证时计算多类别分类的损失
我正在用手写数字在MNIST数据集上训练我的神经网络。我使用Pytork，想知道当使用交叉验证（Kfold）进行5倍验证时，计算损失的正确方法是什么？我想画一个损耗图，比较列车和测试损耗 我使用交叉熵损失作为损失函数。我应该在每次折叠中取每个时代损失的平均值吗？这样，如果我使用5个历元，损失图由5个数据点组成，其中第一个点对应于所有5倍的第一个历元的平均损失Neural network 使用交叉验证时计算多类别分类的损失,neural-network,pytorch,cross-validation,mnist,Neural Network,Pytorch,Cross Validation,Mnist,我正在用手写数字在MNIST数据集上训练我的神经网络。我使用Pytork，想知道当使用交叉验证（Kfold）进行5倍验证时，计算损失的正确方法是什么？我想画一个损耗图，比较列车和测试损耗 我使用交叉熵损失作为损失函数。我应该在每次折叠中取每个时代损失的平均值吗？这样，如果我使用5个历元，损失图由5个数据点组成，其中第一个点对应于所有5倍的第一个历元的平均损失 我还使用了128的批量大小。起初损失约为1,61，最后损失约为1,47。该模型的准确率为97.7%，这种损失的小幅度减少奇怪吗？你在交叉验
我还使用了128的批量大小。起初损失约为1,61，最后损失约为1,47。该模型的准确率为97.7%，这种损失的小幅度减少奇怪吗？你在交叉验证什么？超参数设置？通过展平的图片（x_列）和所属标签（y_列）进行交叉验证。使用Adam作为优化器，lr=0.00095，一个隐藏线性层，包含597个隐藏神经元@伊查科夫