@刘看山 此外我看val_loss有500+，train_loss都在0.01以下，这是不是也有些问题？

@刘看山 哦，这样啊，所以是这种模型的generalization就只能达到这个程度吗?

我现在是希望研究一下手写汉字的书法评估，作为前提是先要识别出手写的是哪个汉字；再针对对应的字帖，提取特征进行评估。

所以常用的手写汉字（3000+）希望能够较为准确识别出来。

请教一下，

我们训练模型，分离处理的验证集合，是应该像该课题那样提前分开吗？

最佳实践是不是应该，循环使用validate_spit参数进行数据集分割？另外，training的准确度达到0.9999是不是也太高了？我总觉的自己踩了什么坑。

求解惑

项目地址 http://manaai.cn/aicodes_detail3.html?id=35
请教一下各位大佬，我尝试重现这个项目（单个手写汉字的识别），
使用的就是文中的简单模型，如下：

    model = tf.keras.Sequential([
        layers.Conv2D(input_shape=input_shape, filters=32, kernel_size=(3, 3), strides=(1, 1),
                      padding='same', activation='relu'),
        layers.MaxPool2D(pool_size=(2, 2), padding='same'),
        layers.Conv2D(filters=64, kernel_size=(3, 3), padding='same'),
        layers.MaxPool2D(pool_size=(2, 2), padding='same'),

        layers.Flatten(),
        # layers.Dense(1024, activation='relu'),
        layers.Dense(n_classes, activation='softmax')
    ])
    return model

Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d (Conv2D)              (None, 64, 64, 32)        320       
_________________________________________________________________
max_pooling2d (MaxPooling2D) (None, 32, 32, 32)        0         
_________________________________________________________________
conv2d_1 (Conv2D)            (None, 32, 32, 64)        18496     
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 16, 16, 64)        0         
_________________________________________________________________
flatten (Flatten)            (None, 16384)             0         
_________________________________________________________________
dense (Dense)                (None, 3755)              61525675  
=================================================================
Total params: 61,544,491
Trainable params: 61,544,491
Non-trainable params: 0
_________________________________________________________________

我用一个带GPU的比较弱的云主机，跑了15000个epoch，用了2天多。training准确滴差不多达到0.9999，可是validate准确率，还是停留在0.61附近。

这是继续训练模型时，拿到的log，validate准确度不会再变化了。

WARNING:tensorflow:`period` argument is deprecated. Please use `save_freq` to specify the frequency in number of batches seen.
Epoch 1/10
1024/1024 [==============================] - 21s 20ms/step - loss: 0.0087 - accuracy: 0.9999 - val_loss: 544.5386 - val_accuracy: 0.6219
Epoch 2/10
1024/1024 [==============================] - 20s 19ms/step - loss: 0.0027 - accuracy: 1.0000 - val_loss: 541.1600 - val_accuracy: 0.6267
Epoch 3/10
1024/1024 [==============================] - 19s 18ms/step - loss: 6.6371e-04 - accuracy: 0.9999 - val_loss: 537.3775 - val_accuracy: 0.6217
Epoch 4/10
1024/1024 [==============================] - 18s 18ms/step - loss: 0.0304 - accuracy: 0.9998 - val_loss: 538.4648 - val_accuracy: 0.6226
Epoch 5/10
1024/1024 [==============================] - 20s 19ms/step - loss: 0.0067 - accuracy: 0.9999 - val_loss: 539.5592 - val_accuracy: 0.6237

这么简单的网络也会overfit吗？请教各位大佬提点一下下一步的优化方向