第一个时期的准确性 - MNIST 深度学习示例
Accuracy on 1st epoch - MNIST Deep Learning example
我是深度学习领域的新手，我想澄清一下我的第一个深度学习代码 MNIST 示例。顺便说一句，也许我完全错了，所以请放轻松:)
我已将训练数据分成几批，每批的大小为 50，最大轮数为 15（或直到验证损失变量开始增加）。
我在第一个时期就获得了 93% 的准确率，如果（据我所知）在第一个时期它只向前和向后传播完整的训练集 1 次，那么训练集有仅调整其权重和偏差一次？
我认为我会在许多时期后获得很好的准确性，而不仅仅是在权重的第一次调整上
是的..你也可以在第一个时期获得很好的准确性。这更多地取决于数据的复杂性和您构建的模型。有时如果学习率太高，也可能会发生这样的情况，你会得到更高的训练准确率。
此外，调整权重和偏差部分，它可能是一个小批量训练，对于每个小批量，模型都会更新权重。所以权重可以更新很多次等于训练数据图像的数量/样本大小
我是深度学习领域的新手，我想澄清一下我的第一个深度学习代码 MNIST 示例。顺便说一句，也许我完全错了，所以请放轻松:)
我已将训练数据分成几批，每批的大小为 50，最大轮数为 15（或直到验证损失变量开始增加）。
我在第一个时期就获得了 93% 的准确率，如果（据我所知）在第一个时期它只向前和向后传播完整的训练集 1 次，那么训练集有仅调整其权重和偏差一次？
我认为我会在许多时期后获得很好的准确性，而不仅仅是在权重的第一次调整上
是的..你也可以在第一个时期获得很好的准确性。这更多地取决于数据的复杂性和您构建的模型。有时如果学习率太高，也可能会发生这样的情况，你会得到更高的训练准确率。
此外，调整权重和偏差部分，它可能是一个小批量训练，对于每个小批量，模型都会更新权重。所以权重可以更新很多次等于训练数据图像的数量/样本大小