tensorflow - 在这个 tensorflow 示例中纪元如何工作

Question

以下是用于训练简单神经网络的代码片段。

for epoch in range(hm_epochs):
            epoch_loss = 0
            for _ in range(int(mnist.train.num_examples/batch_size)):
                epoch_x, epoch_y = mnist.train.next_batch(batch_size)
                _, c = sess.run([optimizer, cost], feed_dict={x: epoch_x, y: epoch_y})
                epoch_loss += c

            print('Epoch', epoch, 'completed out of',hm_epochs,'loss:',epoch_loss)

这不是完整的代码，但据我所知，内部循环使用所有测试数据(分成批处理)进行训练，并使用优化算法进行优化。当内循环运行一次时，算法的准确度为 90%，但当运行 10 次(hm_epochs=10)时，其正确率为 95%。这对我来说没有任何意义，如何使用相同的数据多次训练它(这就是外循环运行时发生的情况)，使其更加准确。

我是 tensorflow 新手。

这不是我的代码，它来自这个系列: https://pythonprogramming.net/tensorflow-neural-network-session-machine-learning-tutorial/

Answer 1

所以你问为什么训练更多轮次会产生更好的结果？这应该是显而易见的:训练的时期越多，优化器就越能更好地适应训练集的网络权重。模型训练得越多，它就越适合训练数据。但如果过度，它就无法泛化，因此在新数据上表现不佳。这称为过度拟合。