神经网络做图像分类，训练集与验证集准确率相差1%-2%

神经网络做图像分类，训练集准确率在99.5以上，验证集准确率在97%，98%之间徘徊，这正常吗？还是属于过拟合或者其他的不正常情况？

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/654974
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：神经网络的分类准确率是100%到底意味着什么？
• 除此之外, 这篇博客: 手把手写深度学习(6)：用最简单的神经网络多层感知机识别数字中的 3、添加激活函数：明显提高正确率 97% 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

•  我们在两层网络之间添加tanh()激活函数和relu激活函数，明显提高的正确率。

  class MLP(nn.Module):
      def __init__(self):
          super().__init__()
          # self.mlp = nn.Sequential(
          #     nn.Linear(28*28, 28*28),
          #     nn.Linear(28*28, 10)
          # )
          # self.mlp = nn.Sequential(
          #     nn.Linear(28 * 28, 128),
          #     nn.Linear(128, 256),
          #     nn.Linear(256, 512),
          #     nn.Linear(512, 256),
          #     nn.Linear(256, 128),
          #     nn.Linear(128, 10)  # 输出10个类
          # )
          self.layer1 = nn.Linear(28*28, 28*28)
          self.layer2 = nn.Linear(28*28, 10)
  
      def forward(self, x):
          # output = self.mlp(x)
          x = self.layer1(x)
          x = torch.tanh(x)
          x = self.layer2(x)
          output = nn.functional.relu(x)
          return output