Neural network NN验证误差减小，并在一段时间后保持不变。这是什么意思？

我正在使用DNN和辍学（0.75），亚当，雷卢。这是过度装修还是模型失控了？在模型失控之前使用它是个好主意吗

---

模型为4个隐藏层（1024），输入大小为8192。数据是从图像中提取的用于分类的特征。无法提供有关数据的详细信息。

看起来过于拟合。解释DNN设计。多少层？哪种类型的图层？你在哪一层使用了dropout？它从90%以上增加到76%可能是过度装配是的，看起来是过度装配。准确度来自测试数据集，对吗？是否在每个隐藏层上都使用了dropout？你的网络有6层？（输入、4隐藏和输出）在每一层上都有“是”退出。它在训练数据集时的验证准确度，即预测未用于训练的样本每个类有多少个类和图像？它们是按类排序还是混合排序？很抱歉问了这么多问题，但我真的很困惑。辍学应避免过度拟合，但看起来模型过度拟合。看起来过度拟合。解释DNN设计。多少层？哪种类型的图层？你在哪一层使用了dropout？它从90%以上增加到76%可能是过度装配是的，看起来是过度装配。准确度来自测试数据集，对吗？是否在每个隐藏层上都使用了dropout？你的网络有6层？（输入、4隐藏和输出）在每一层上都有“是”退出。它在训练数据集时的验证准确度，即预测未用于训练的样本每个类有多少个类和图像？它们是按类排序还是混合排序？很抱歉问了这么多问题，但我真的很困惑。辍学应该避免过度拟合，但看起来模型过度拟合。