训练模型的准确率很高，但是验证集准确率特别低

训练图的过程如下：

 

训练结果：

训练的loss很低，而且正确率已经很高了，但是在验证集上面，loss比较高，而且准确率特别低，还一直不稳定。

 

产生原因：

将每个类别的数据集中的放在一起，而且数据标签也是很集中的
model.fit(train_data, train_label, batch_size = 32, epochs = 100,
validation_split = 0.2, shuffle = True)
在module的fit函数里面，虽然有 shuffle ，但是感觉不太对啊，所以还是要提前对数据进行打乱。

 

解决方法：

打乱数据，但是注意，在打乱的时候，一定要连标签一起打乱，保证打乱后的数据和标签是一一对应 的。
np.random.seed(200) np.random.shuffle(train_data) np.random.seed(200)
np.random.shuffle(train_label) np.random.seed(200) np.random.shuffle(test_data)
np.random.seed(200) np.random.shuffle(test_label)
解决结果：

论 shuffle 的重要性！！！

 

• « 上一篇：Python语言概述
• » 下一篇：Sql 的执行顺序是怎样的？