根据我对卷积神经网络的了解，你必须在每个时代提供相同的训练样例，但是洗牌（因此网络在训练时不会记住某些特定的顺序）。
然而，在this文章中，他们每个时代都在为网络提供64000个随机样本（所以只有一些培训示例是＆＃34;见过＆＃34;前）：
每个训练实例是一组3个图像的均匀采样，2个 它们具有相同的类别（x和x +），以及a的第三个（x-） 不同的阶级。每个训练时期由640000个这样组成 实例（随机选择每个纪元），固定集64000 用于测试的实例。
那么，每个时代我都必须使用相同的训练样例，为什么？
当我使用随机样本时，实验结果很差 - 准确性差异很大。但我想知道原因。
答案 0 :(得分：1)
大多数情况下，您可能希望尽可能多地使用数据。然而，在本文中，你引用他们训练三重损失，使用三倍的图像，并且可能有数十亿这样的三元组。
你可能想知道，如果我们每次都可能获得不同的训练集，为什么要首先介绍时代的概念。答案是技术性的：我们想偶尔评估一下验证数据的网络，你也可能希望根据已完成的时期数来进行学习率衰减。