loss: 0.0519 - acc: 0.9860 - val_loss: 0.8560 - val_acc: 0.7470 loss+acc不应该等于1

是的，你是正确的。损失（loss）和准确率（accuracy）是两个不同的指标，它们通常不会加起来等于1。损失是一个表示模型在训练过程中预测结果与实际结果之间差异的指标，而准确率是指模型在给定数据集上的正确分类比例。

损失值越小越好，而准确率值越接近1越好。因此，你可以独立地解释和评估这两个指标，它们不需要相加等于1。

相关问题

loss: 0.0855 - acc: 0.9869 - val_loss: 0.0990 - val_acc: 0.9782什么意思

这是一个神经网络模型的训练结果，其中loss表示训练误差，acc表示训练准确率，val_loss表示验证误差，val_acc表示验证准确率。在这个模型中，训练误差为0.0855，训练准确率为0.9869，验证误差为0.0990，验证准确率为0.9782。

loss: nan - accuracy: 0.8801 - val_loss: nan - val_accuracy: 0.8791 解释一下

这是一个神经网络训练过程中的输出结果，其中包含训练集和验证集的损失值（loss）和准确率（accuracy）。在这个例子中，损失值显示为NaN（Not a Number），这通常表示模型出现了数值计算问题，可能是由于梯度消失或爆炸等原因导致的。此外，训练准确率（accuracy）和验证准确率（val_accuracy）也被显示。在这个例子中，训练准确率为0.8801，而验证准确率为0.8791。这意味着模型在训练集上的表现略好于验证集，但两者之间的差异不大。需要进一步分析和调整模型，以解决损失值为NaN的问题并提高训练和验证准确率。