神經網絡（CNN）的解釋結果/準確性

Question

我對這個主題感興趣，並建立一個基於谷歌張量流的卷積神經網絡。我想分類屬於10個類別的圖片的測試數據集。我的CNN設置與tensorflow教程對齊，並進行一些修改以符合我的圖像大小。 我在500個圖像的隨機樣本上反覆運行trainig步驟20次，然後在500個不同樣本上重複該步驟50次。我使用了200個樣本作爲驗證數據集（保持所有運行都固定） 。結果我得到了大約35％的準確度，這在我看來並不壞，因爲我沒有做任何優化，並且圖像很難分配給人類的單個類別evan。

因此，這裏是我的問題：

• 是否真的有意義運行20次在同一批次的一步？ （我之所以這麼做，是因爲它適合內存，加載新批處理需要相當長的一段時間 - 所以我可以在更短的時間內獲得更多的運行）
• 在訓練精度圖中（見下文），在某個點圍繞步驟120-130。從那裏開始，相同隨機批次的每20次運行的準確度就接近100％。這種跳躍在網絡結構/學習方面意味着什麼？

Answer 1

你的尖峯可能是由於網絡過擬合您所一再顯示它的批次，而不是真正學習的東西，一般是有用的。這也回答你的第一個問題 - 在這種情況下，這是沒有意義的。