神经网络训练集正确率88%，测试集只有50%，这是为什么
caffe训练神经网络测试集准确率达到多少就可以
这个并没有准确的结论，如果你数据预处理存在问题或者标签不合理，accuracy自然不会很高爱发猫 www.aifamao.com。并且，还需要改变已有网络中的参数或者网络结构才能有效提高accuracy。
我们的目的并不在于准确率到底是多少，而是当测试准确率比较高时，得到的模型可以代替人去进行复杂图片的等级判断。
为什么用训练好的bp神经网络去测试，准确率为0？
神经网络训练一定次数后准确率突然下降怎么回事？
在神经网络的训练过程中，是应当追求训练准确率，还是应当追求测试准确率
。
我的经验是训练准确率尽量接近测试准确率或者训练误差与测试误差均低,单纯追求训练准确率的最高不一定可取,有可能出现overlearning的情况,有时训练准确率高是因为anetworkmightimprovetheerrorratingonanumberofalreadycorrectly-classifiedcasesattheexpenseofmisclassifyinganadditionalcase.。
BP神经网络仿真时仿真结果准确率低。请问高手如何处理 5
神经网络训练时准确度突然变得急剧下降，为啥?
通过哪些参数看神经网络拟合出来的函数效果？神经网络拟合时如何确定隐藏的节点数? 10
主要看均方误差和其百分比（准确率）。假如你拟合出来是ui，计算（yi-ui）^2的平均值，然后计算这个平均值与yi平均值的比（也就是均方误差百分比），当然用1减去这个百分比就是准确率了。
一般也会画一幅图，把yi和ui分别用不同的颜色或者符号表示出来，直观对比。拟合时的隐含层节点数目前没有一个通行的公式进行确定，只能凭借经验和试凑。
一般情况下，问题的复杂程度（非线性程度和维度）越高，隐含层节点数越多。这里介绍一个小经验：先用不太大的节点数进行预测，如果增加节点数测试集准确率和训练集准确率都有所提升，则应该继续增加。
如果增加节点数测试集准确率增加很不明显，而训练集准确率还是有所提升，则不应该继续增加，当前的就是很理想的，继续增加节点数只会起到反效果。
深度学习论文里最后的预测准确率是全图的还是预测的