На графике выше показаны потери (обучения и) проверки для 500 эпох на модели ResNet32 классификации изображений. Максимальное значение потерь пересекло 2e13, ниже приведены несколько огромных потерь при проверке, которые я получил:
- val_loss: 20302633369600.0000
- val_loss: 6906122862592.0000
- val_loss: 1525164146688.0000
- val_loss: 350141022208.0000
- val_loss: 78076706816.0000
- val_loss: 732259968.0000
Точность проверки модели оставалась колеблющейся на протяжении эпох. 
F1-Score для набора для проверки тоже сильно колебался, но в конце стабилизировался. 
У меня есть 5000 изображений, разделенных на 3k, 1k и 1k, обучающие, проверочные и тестовые изображения, имеющие 8 классов.
Я использовал sparse_categorical_crossentropy loss и оптимизатор adam со значением по умолчанию lr.
Размер пакета для обучения, проверки и тестирования был установлен на 32. (Увеличение может стабилизировать точность проверки.)
Ниже приведены (вполне удовлетворительные) количественные результаты, которые я получил на тестовых данных. 