深度学习训练神经网络时候 accuracy 一直是 1，想请教如此惊奇高的原因究竟何在？

[suifengingo]

想向大神请教一个问题，我在测试手写汉字分类识别的时候，在训练模型后进行实际图像的测试 ，刚才观察测试的结果，放入上百张测试图像，最后真正识别分类正确的也只有屈指可数的几张，这和之前训练过程中得到的接近 1 的准确率大相径庭，想问下接下来可以从哪些方面来调整呢？调整了学习率以及 batch_size 等等这些参数方面之后，发现 test accuracy 还是 1，被这个困惑困扰很久了，希望能得到大神的建议，非常感谢！

[jingous]

第一直觉：过拟合

[apostle]

loss 呢

[suifengingo]

@apostle loss 是逐渐降低的，0.0007 那种

[lv2016]

检查一下训练数据里面是不是混入了测试数据

[superlc]

@jingous 他是测试集准确率也接近 1

看一下训练准确率是不是也这么高，如果差不多的话基本上就是数据集分错了，把测试数据混到训练数据里去了

如果训练准确率没这个高，那就大概率是测试脚本逻辑不对

[flyaway]

似乎是过拟合了。用的是什么网络，是否用了 regularizer

[jingous]

@superlc 训练过程中准确率是 1，测试很低

[pillowfight]

盲猜训练集没 shuffle 。。

[superlc]

@jingous 那个叫 training accuracy....
那就太正常不过了，所有的神经网络都是这样的，训练准确率比测试准确率高。实际上即使把所有的数据 lable 全部换成随机，在 param size 足够的情况下，经过足够长的 epoch，训练准确率也会趋于 1......可能是过拟合，也可能是因为你模型本身的泛化性就不行，也可能是训练数据有 bias，也可能是训练策略有问题。。。可以先划个验证集排除一下过拟合看看