您如何计算SGD的训练准确度？您是否使用您训练网络的批量数据来计算它？或者使用整个数据集？ （对于每个批次优化迭代）
我尝试使用我训练网络的批量数据计算每次迭代的训练准确度。它几乎总能给我100％的训练准确度（有时100％，90％，80％，总是10％的倍数，但第一次迭代给了我100％）。这是因为我正在计算我为该迭代训练的相同批次数据的准确性吗？或者我的模型过度拟合，它立刻给了我100％，但验证准确性低？ （这是这里的主要问题，如果这是可以接受的，或者模型有问题）
以下是我使用的超参数。
batch_size = 64
kernel_size = 60 #from 60 #optimal 2
depth = 15 #from 60 #optimal 15
num_hidden = 1000 #from 1000 #optimal 80
learning_rate = 0.0001
training_epochs = 8
total_batches = train_x.shape[0] // batch_size
答案 0 :(得分：2)
在培训过程中计算批次数据的培训准确性是正确的。如果精度的数量始终是10％的倍数，则很可能是因为您的批量大小为10.例如，如果8个训练输出与标签匹配，那么您的训练准确度将为80％。如果训练准确度数字上下变化，则有两种主要可能性： 1.如果您在一个时期内多次打印出准确度数字，这是正常的，特别是在训练的早期阶段，因为该模型预测了不同的数据样本; 2.如果您在每个时期打印出准确度，并且如果您在训练后期看到训练准确性上下变化，则表示您的学习率太高。你需要在训练期间减少加班时间。 如果这些没有回答您的问题，请提供更多详细信息，以便我们提供帮助。