我在PyTorch中训练的神经网络出现了非常奇怪的情况。
我正在训练一个已知的、被分割成训练集和验证集的数据集。在训练过程中，我对数据进行了随机打乱和即时数据增强。
我得到了以下结果：
训练准确率从80%开始并逐渐增加 
训练损失逐渐减少并保持稳定 
验证准确率从30%开始但缓慢增加
验证损失增加
我有以下图表展示：
-
如何解释验证损失增加而验证准确率也增加的现象？
-
训练集和验证集之间的准确率为何有如此大的差异？90%和40%？
更新：
我平衡了数据集。这是一个二分类问题。现在类1有1700个样本，类2有1200个样本。总共600个用于验证，2300个用于训练。我仍然观察到类似的行为：
**这是否是因为我冻结了网络的一部分权重？
**这是否是因为超参数如学习率（lr）的问题？
回答：
我找到了解决方案：我对训练集和验证集使用了不同的数据增强。将它们匹配后，验证准确率也得到了提高！
