验证集损失先上升后下降

提问！
训练集准确率顺序攀升，损失迅速下降。
但是验证集准确率一开始不变，后来上升，甚至损失是先增加后下降是什么原因呢？
谢谢！

你这图有点意思，第一张图，你的模型从第5个epoch开始往后训练集就达到了100%正确率，收敛得非常快，可见你的当前使用的模型对于进行训练的样本来说复杂度很高，这个模型可以拟合更复杂一点的样本数据。先开始验证集的loss很高准确率很低，显然模型没学到啥本质的特征，也就是一开始过拟合了，模型在验证集上过分关注细节和噪声而没学到能泛化的特征。从20个epoch以后，验证集损失下降准确率上升，看来还是挖掘到了一般特征。
这种情况其实可以通过一些正则化技术来避免，比如说用 Dropout、L1 或 L2 正则化等方法，又或者去掉一些层，限制模型的复杂度，避免模型在训练集上过拟合。当然，最好还是加一些更复杂的训练数据，提高模型的泛化能力。
btw：你第二章图的纵坐标标题错了，是loss

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7777340