解释神经网络（CNN）结果/准确性

Question

我是这个主题的新手，并建立了一个基于谷歌的张量流的卷积神经网络。我想对属于10个类别的图片的测试数据集进行分类。我的CNN设置与tensorflow教程保持一致，并进行了一些修改以满足我的图像＆＃39;尺寸。 我在500个图像的随机样本上重复运行火车步骤20次，然后在500个不同的样本上重复该步骤50次。我使用200的样本作为验证数据集（保持对所有运行都是固定的）。结果我得到了大约35％的准确度，这在我看来并不坏，因为我没有做任何优化，而且图像很难分配给人类的单一类别evan

所以这是我的问题：

• 在同一批次中运行20次步骤真的有意义吗？ （我这样做是因为它关于适合RAM的内容以及加载新批次需要花费很长时间 - 所以我可以在更短的时间内获得更多的运行）
• 在训练精度图（见下文）中，在步骤120-130附近的某个点跳跃。从那里开始，相同随机批次的每次20次运行的准确度接近100％。这种跳跃在网络结构/学习方面意味着什么？

Answer 1

您的尖峰可能是由于您反复显示批次的网络过度拟合，而不是真正学习一般有用的东西。这也回答了你的第一个问题 - 在这种情况下，它没有意义。