我正在针对图像分类问题培训深度网络（GoogleNet） . 我有一个大约7300个图像的数据集，仅在2个类别中标注 .
我按照这些比例将我的训练和训练集分开：0.66 / 0.33 .
在训练期间，我计算训练集和测试集上的平均误差，以了解它是如何演变的 .
问题是这两个值总是相等的（或者是接近的） .
所以也许这不是问题，但我没想到会发生这种情况 . 由于我正在训练我的训练集，我预计我的训练集上的平均误差始终是我的测试集上的平均误差（即使我希望这两个值收敛到大约相同的值） .
也许有人可以告诉我它是否正常？在预期的情况下，为什么？如果不是，任何关于发生了什么的想法？
可能有用的更多信息：我使用50，adam优化器的迷你批次，我的损失用tf.nn.softmax_cross_entropy_with_logits（labels = y_，logits = y_predict）计算，我使用0.4的丢失（但是当我计算平均值时错误我确保它是1） .
谢谢 .
1 回答
这很合理 . 您将数据划分为来自相同总体的两个随机样本 . 是的，考虑到样本的大小，它们应该具有几乎相同的平均值 . 这是大数定律的简单效果：从同一群体中取得的样本往往具有相同的均值 .