我一直在尝试使用迁移学习方法进行植物病害检测。我首先选择了 ResNet50。我还执行了一个基线模型，它是一个 CNN 模型。在 resnet50 中，我使用了交叉熵损失并训练了 30 个 epoch 的模型。我也做了批量标准化。最初 epoch 1 损失为 112.5250，训练损失为 87.512。但是，对于最后一个 epoch，它是 2.1660，验证损失是 1.8905，验证准确度是 0.995。模型的整体准确率为 98.8%，模型似乎也没有过拟合。

在训练模型之前，我进行了超参数优化，使用贝叶斯优化优化了学习率和动量。我使用交叉验证优化了重量衰减。我执行了批量标准化。在此之前，我在没有任何优化的情况下训练了模型。我只是假设学习率为 0.001，相同的损失函数并训练了 30 个 epoch。在这种情况下，模型开始时的损失值为 114.2，验证损失为 130.46。它以 97% 的准确率收敛到 9.9038。

所以，我的问题是，模型有可能以如此高的损失值开始，尽管最后给出了很好的准确性？损失的大小与模型的正确性和准确性无关吗？如果模型开始时损失巨大，但准确率很高，那么我的模型是否不好？

前 5 个时期

EPOCH: 1 

Epoch time taken: 28.61398434638977 seconds. Epoch 1 loss: 118.5250 Validation loss: 87.5214 Validation accuracy: 0.753

EPOCH: 2 

Epoch time taken: 28.737553358078003 seconds. Epoch 2 loss: 68.8141 Validation loss: 50.3452 Validation accuracy: 0.858

EPOCH: 3 

Epoch time taken: 28.45273518562317 seconds. Epoch 3 loss: 41.5181 Validation loss: 31.1520 Validation accuracy: 0.928

EPOCH: 4 

Epoch time taken: 28.434630155563354 seconds. Epoch 4 loss: 26.8844 Validation loss: 21.1203 Validation accuracy: 0.948

EPOCH: 5 

Epoch time taken: 28.762181282043457 seconds. Epoch 5 loss: 19.3646 Validation loss: 15.4843 Validation accuracy: 0.955

过去 5 个时期

EPOCH: 26 

Epoch time taken: 28.35645818710327 seconds. Epoch 26 loss: 2.8168 Validation loss: 2.2771 Validation accuracy: 0.990

EPOCH: 27 

Epoch time taken: 28.51978588104248 seconds. Epoch 27 loss: 3.3986 Validation loss: 2.2274 Validation accuracy: 0.992

EPOCH: 28 

Epoch time taken: 28.51390767097473 seconds. Epoch 28 loss: 2.2707 Validation loss: 1.9976 Validation accuracy: 0.992

EPOCH: 29 

Epoch time taken: 28.456573247909546 seconds. Epoch 29 loss: 2.5344 Validation loss: 1.9272 Validation accuracy: 0.990

EPOCH: 30 

Epoch time taken: 28.486974239349365 seconds. Epoch 30 loss: 2.1660 Validation loss: 1.8905 Validation accuracy: 0.995
```