Python 培训和测试精度和步长

我正在运行tensorflow的代码。在终端上，它给了我训练和测试精度的值，还有步长。请有人解释一下这些术语，或者提供一些我可以阅读的材料来理解这些术语，以及卷积神经网络的随机梯度下降法。从终端显示的内容来看，您实际使用的是tflearn。这也应该显示损失或成本，也就是说，你的预测离实际产出有多远。低损耗和高精度=更好的模型。 随机梯度下降（SGD）允许学习速率衰减。这里有一个很好的解释 在毛毡一侧的菜单中，您可以找到关于损耗、训练、精度、层数等的所有信息。 实际上，您可以选择显示这些内容的频率（我的意思是在哪一步）。

---

至于批量大小、学习率、迭代次数、层数和节点数，您可以使用所有这些，看看哪个更适合您的数据集

你的项目的目的是什么？我想用卷积神经网络来训练我的网络，以检测特定的自旋配置。在代码训练中，步骤是2000，当我运行此代码时，它会在每100步后给我值，如步骤0，训练准确度0.5测试准确度0.500我想知道这些训练和测试准确度告诉我什么，以及步骤sizeI必须更改过滤器大小，代码中的批量大小、过滤器数量和训练步骤，以找出系统的临界温度。好的，在阅读了SGD方法后，我了解了所有这些术语的含义。谢谢帮助，但是如果我在2000个训练步骤后获得99%的测试准确率，并且我仍然继续训练我的网络，直到4000个训练步骤。然后，我的结果显示，在2000个训练步骤有时测试准确率为97%，有时甚至低于此值意味着它正在改变。这表明了什么@CrisH请你解释一下，或者建议一些主题或链接来理解背后的原因。我认为你应该在2000步之后停止。也许你没有足够的数据来支持4000。你必须防止过度装配。您是否也向网络提供了测试数据？这对于了解模型如何工作也非常重要。有一些关于过度装配的好读物，比如Hpe，它也有帮助！这就是我为建立人际网络而阅读的内容