在一定数量的epoch之后，验证集中的val_loss增加，而val_accuray却停滞不前

过拟合的基本表现

训练集loss不断降低，但是测试集的val_loss开始不断增加。

如上图，在第7个epoch之前，训练集上的loss不断降低，验证集上的val_loss也在不断减小，说明模型在不断拟合数据。但是在第7个epoch之后，训练集上的loss仍然在不断降低，验证集上的val_loss却开始不断增加，符合过拟合的基本表现。

问题

接下来在验证集中，val-loss在7个epoch之后不断增加，但是val-accuray却停滞不前，是什么原因呢？

答案

来自GitHub：Validation loss increases while validation accuracy is still improving #3755
是因为模型对训练数据过度拟合，因此非常擅长对训练数据进行分类，但泛化效果较差，导致验证数据的分类变差。可以通过在val_loss开始增加时停止训练或在训练数据中加入脏数据来解决此问题，防止长时间训练时模型过度拟合。