我正在为 Vision 中的单标签分类任务训练模型。在本次培训中，我使用了所有类的过采样、MixUp 增强以及旋转和二面角变换来增强数据。

发生的情况是，模型在经过 20 个 epoch 的训练后，达到了$<8\%$验证损失（CE损失）和$98\%$预测验证集中图像标签的准确性。

问题是模型欠拟合。虽然准确率极高，验证损失极低，但训练损失相当高$\approx 75\%$.

我应该在生产中使用这个模型吗？该模型虽然对训练数据欠拟合，但在预测验证集中的标签时达到了非常高的准确率，而且验证损失也极低。

我应该在生产中使用欠拟合模型吗？

这是最后两个时期的样子 -

如果您可能会问，如果模型欠拟合，我在做什么添加增强，但如果我不添加这些增强，模型将开始过度拟合，验证损失和准确性将开始变差。

我不是在问如何让欠拟合消失，我可以通过运行 20 个以上的训练来做到这一点。我在问是否可以在生产中使用这样的模型。