我在keras中建立了一个回归模型。损失是mse。训练过程中的输出如下：
4/4 [======================================] -16秒1秒/步-损耗：21.4834 -均方根误差：4.6350 -完整最小误差：23.5336 -均方误差：23.5336 -瓦尔_损失：32.6890 -均方根误差值：5.7174 -瓦尔_完整_最小值：32.6890 -瓦尔均方误差：32.6890
为什么作为损失的MSE与作为度量的MSE不同？（损失= 21.4834;均方误差为23.5336;为什么这些值不同？它们应该是相同的。）
为什么这只是训练集的情况，而不是验证集的情况呢？瓦尔有效值= 32.6890;这些值是相等的，因为它应该是。）
有什么想法吗？
1条答案
按热度按时间omqzjyyz1#
我把这个作为答案贴出来，因为它看起来像是问题的解决方案。
训练MSE损失（“损失”）被计算为训练上的平均形式，其中权重是变化的。“度量”MSE（“mse”）在没有权重更新的时期之后被计算。
对于验证（“val_loss”和“val_mse”），均在不更新重量的情况下进行计算。
此外，所显示的MSE损失可能类似于移动平均，其中不是所有的小批处理的权重相等。我不认为这是给定问题的情况，因为验证值是匹配的。这取决于实现。