训练分类器。在训练过程中，将显示“准确度”并随每个小批量更新。当我们运行一个测试批时，“准确性”的含义很清楚，但是在培训期间，它如何计算“准确性”？
答案 0 :(得分：0)
训练精度是将模型应用于训练数据时获得的精度。就像您将其应用于测试数据一样，训练数据将传递到模型以生成预测。并且，将这些预测与原始标签进行比较以提高测量精度。
而且，在训练过程中报告的小批量精度与特定小批量在给定迭代次数下的训练数据子集的精度相对应，该精度是先前小批量精度的平均值。
答案 1 :(得分：0)
accuracy是一个度量标准，用于指示正确预测的示例在检查的示例总数中的数量。因此，这是一个完全笼统的概念，并非仅在测试阶段就执行。
虽然测试集的准确性让您了解了模型在实际环境中的实际性能，但训练集的准确性使您了解了模型在学习方面的进展情况。
例如，当您想知道网络是否过度适合您的训练数据时，比较训练和测试指标非常有用。
仅举一个非常简单的例子，如果您注意到您的网络具有98％的训练准确度，但只有60％的测试准确度，则表明它无法在以下情况下推广它可以预测从未见过的数据。这可能是由于过拟合造成的。
显然，准确性不是发现培训问题的唯一观察指标，但它与其他问题一样重要。