From 663a88a5873233147ea476a0b68ea62e3a32b6ca Mon Sep 17 00:00:00 2001
From: ElmaDavies <1306014226@qq.com>
Date: Mon, 9 Sep 2019 19:59:29 +0800
Subject: [PATCH] =?UTF-8?q?=E7=BF=BB=E8=AF=91=E6=94=B9=E8=BF=9B=EF=BC=8C?=
 =?UTF-8?q?=E6=A0=BC=E5=BC=8F=E6=A0=A1=E5=AF=B9?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 .../display-deep-learning-model-training-history-in-keras.md  | 4 +++-
 1 file changed, 3 insertions(+), 1 deletion(-)

diff --git a/docs/dl-keras/display-deep-learning-model-training-history-in-keras.md b/docs/dl-keras/display-deep-learning-model-training-history-in-keras.md
index fa48370..3f62430 100644
--- a/docs/dl-keras/display-deep-learning-model-training-history-in-keras.md
+++ b/docs/dl-keras/display-deep-learning-model-training-history-in-keras.md
@@ -108,12 +108,14 @@ plt.show()
 从精度图中我们可以看到，由于两个数据集的精度趋势在过去几个训练迭代中仍在上升，因此模型可能可以受到更多的训练，我们还可以看到，两个数据集可比较的技巧，显示了模型尚未过度学习训练数据集。
 
 ![Plot of Model Accuracy on Train and Validation Datasets](img/aa735153796f8cda098d2fe7fb675e75.png)
+
 图：训练和验证数据集的模型精度图
 
 从损失图中我们可以看到，模型在训练和验证数据集（标记测试）上具有可比较的性能，如果这些相互平行图开始一较为一致的分散，这可能是一个模型过早停止训练的信号。
 
 ![Plot of Model Loss on Training and Validation Datasets](img/429db1e26cf59719f9b941d5e8a7b919.png)
-图：关于训练和验证数据集的模型损失情节
+
+图：关于训练和验证数据集的模型损失图
 
 ## 摘要
 
-- 
GitLab