使用 python 绘制网络训练过程中的的 loss 曲线 以及准确率变化 曲线 ，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种 曲线 。其大致步骤为：数据读取与存储 - > loss 曲线 绘制 - > 准确率 曲线 绘制我们首先要得到训练时的数据，以损失值为例，网络每迭代一次都会产生相应的 loss ，那么我们就把每一次的损失值都存储下来，存储到列表，保存到 .txt 文件中。保存的文件如下图所示： 上图为部分损失值，根据迭代次数而异，要是迭

深度学习 模型 调参笔记 train loss 下降，val loss 下降，说明网络仍在学习； 奈斯，继续训练 train loss 下降，val loss 上升，说明网络开始过拟合了；赶紧停止，然后数据增强、正则 train loss 不变，val loss 不变，说明学习遇到瓶颈；调小学习率或批量数目 train loss 不变，val loss 下降，说明数据集100%有问题；检查数据集标注有没有问题 train loss 上升，val loss 上升，说明网络结构设计不当，训练超参数设置不当，数据集经过清洗等问

LeNet-5是深度学习中著名的卷积神经网络，广泛应用于手写数字识别等问题。对于LeNet-5的训练过程，通常会使用 loss 和 acc 曲线 来评估其性能。 loss 曲线 是指随着训练迭代的进行， 模型 的损失值的变化情况。损失值代表了 模型 在进行训练时预测值与真实值之间的差异程度，损失值越小代表 模型 的预测结果越接近真实值。因此， loss 曲线 的趋势是我们判断 模型 训练过程中效果好坏的一个重要指标。如果 loss 曲线 逐渐下降，说明 模型 在学习及适应数据的过程中，预测结果逐渐接近真实值；反之，如果 loss 曲线 波动较大或者上升，说明 模型 的预测结果与真实值之间的差异较大，需要进一步调整 模型 参数或者增加训练数据。 acc 曲线 是指训练过程中 模型 的准确率变化情况。准确率是指 模型 预测结果与真实值一致的比例，通常以百分比表示。因此， acc 曲线 的趋势能够反映出 模型 在学习过程中的预测准确率的提升情况。在训练初期，由于 模型 未能完全学习数据规律，准确率可能相对较低，而随着训练的进行， 模型 逐渐提升准确率，因此 acc 曲线 通常呈现出逐渐上升的趋势。然而，如果 acc 曲线 出现 震荡 或者下降的情况，则说明 模型 的泛化能力较差，需要进行 模型 调整或者增加训练样本。 总之，LeNet-5的训练过程中使用 loss 和 acc 曲线 对 模型 的性能进行评估， loss 曲线 用来评估 模型 预测结果与真实值的差异程度， acc 曲线 用来评估 模型 的预测准确率变化情况。这两个 曲线 的趋势对于判断 模型 的训练效果具有重要的参考价值。