我正在研究如何评估卷积神经网络的性能，特别是我已经看到我们必须同时考虑准确性和损失。我不明白为什么我们还要看损失，老实说，我还没有真正清楚地理解损失是什么。我知道这是我们想要最小化的东西，损失越低，性能就越好。

但我也看到，如果损失太低，我们就会过拟合，而且损失和准确率之间存在某种关系，但我不清楚它的真正含义。

对我来说，这个损失概念以及如何单独和相对于准确性来解释它目前似乎是一个抽象的概念。

有人可以帮我澄清这些概念吗？提前致谢。

[编辑] 例如，我得到这个情节：

我如何解释这个？

据我所见，训练集和测试集的损失似乎以相同的速度减少，我们认为如果发生这种情况，模型是好的，否则我们会遇到过拟合或欠拟合。但我不明白，为什么我们有这个？那么，为什么如果它们接近并以相同的速度下降，我们做得很好，否则不是？

谢谢。