如何通过损失曲线判断MobileNet图像分类模型是过拟合还是欠拟合

过拟合/欠拟合判定 #

结合你提供的损失曲线来看，你的模型属于过拟合状态：

• 训练集损失随训练轮次持续走低，最终收敛到较低数值
• 验证集损失在前若干轮次下降后，不再跟随训练集损失下降，甚至出现小幅回升，两类损失的差值随训练推进逐渐变大
  欠拟合的典型表现为训练集、验证集损失均处于高位，且两者差值很小、全程未进入平稳收敛状态，和你当前的情况完全不符。

双损失曲线接近平稳是否代表效果良好 #

如果真的出现训练损失和验证损失走势高度接近、训练到一定阶段后长期保持平稳的情况，确实属于模型拟合效果理想的表现：

• 走势接近说明模型在训练集上学到的特征可以很好地泛化到未见过的验证集上，不存在泛化性能落差
• 进入平稳状态说明模型已经完全收敛，继续训练不会带来效果提升
  但有两个前提需要注意：
• 平稳后的损失绝对值要符合你的业务预期，如果损失本身远高于可接受阈值，哪怕收敛也不代表效果达标
• 不能只看损失曲线判定效果，需要结合分类准确率、混淆矩阵等实际业务指标交叉验证，损失只是训练过程的优化目标，无法完全代表最终落地效果

内容的提问来源于stack exchange，提问作者Ranish