我正在训练一个 CNN 模型。

在第一个训练中，我在第 5 个 epoch 获得了 87%（0.29 损失）的训练准确度和 87%（0.30 损失）的验证准确度，我继续训练它总共 15 个 epoch，并且正如预期的那样，它开始过度拟合，训练准确度增加到97%（0.01 损失）和验证保持在 87%（0.35 损失）。

在第二个模型中，我使用 Data Augmentation 和 Dropout 层来处理过度拟合（总共训练了 10 个 epoch）。这些是结果：第 5 个 Epoch：训练准确度 77%（损失 0.45）和验证准确度 77%（损失 0.41）。10th Epoch：训练准确率 82%（损失 0.38）和验证准确率 82%（损失 0.35）

从您可以在下面看到的损失和准确度图表中，很明显模型在第一种情况下过度拟合，但在第二种情况下它没有过度拟合。

情景一

方案二

我的问题是，根据准确性，哪种模型在现实世界中更好？模型 1 在 epoch 5 以 87% 的准确率停止，或者模型 2 没有以 82% 的准确率过拟合（验证）？我理解仅基于精度模型 1 听起来更好，但它最终会过度拟合，但如果我使用提前停止或类似的方法停止训练，这会比我的第二个模型更好吗？