我目前正在训练一个CNN来检测一个人是否戴了口罩。不幸的是，我不明白为什么我的验证损失如此高。我注意到，我验证的数据是按类别排序的（这些类别是网络的输出）。这对我的验证准确率和损失有影响吗？我使用计算机视觉测试了模型，效果非常好，但验证损失和准确率看起来仍然非常不对劲。这是什么原因呢？
回答：
这种现象在直观层面上可能由于多种因素发生：
- 你可能使用了非常大的批量大小（>=128），这可能导致这种波动，因为如果批量大小过高，收敛可能会受到负面影响。有几篇论文研究过这种现象。这对你来说可能适用，也可能不适用。
- 你的验证集可能太小。我在验证集太小（数量上，不是训练-验证的百分比分割）时也经历过这种波动。在这种情况下，经过一个epoch后权重的变化对验证损失的影响更为明显（自动地对验证准确率也有很大影响）。
根据我的经验和看法，如果你认为/检查过你的模型在现实生活中表现良好，你可以决定只训练50个epoch，因为从图表中可以看出这是个最佳的截止点，因为在此之后波动加剧，也可能观察到轻微的过拟合现象。
