我正在使用 Keras 训练不同的神经网络。我想知道为什么如果我将纪元增加 1，直到新纪元的结果是不一样的。我正在使用 shuffle=False 和 np.random.seed(2017)，并且我已经检查如果我重复相同数量的 epoch，结果是相同的，所以不是随机初始化工作。
在这里，我附上了带有 2 个 epoch 的训练结果的图片：
在这里，我附上了 3 个 epoch 的训练结果：
另外，我想知道为什么训练时间不是（3/2），以及它们中的一些怎么可能在多一个 epoch 时精度降低。
非常感谢！
您在这里使用了两个优化器：随机梯度下降 (SGD) 和 Adam（它是 SGD 的更复杂的变体）。
所以“随机”部分意味着它是随机的。
随机梯度下降的工作原理是采用较小的随机部分训练数据，称为“小批量”，并在此上反向传播（训练）。这样做直到整个数据集被处理一次通常称为一个时期*。
简而言之，这就是梯度下降的工作原理：想象你正在走下一个 U 形的小山。您在 U 形中的位置非常低，并且您想通过跳跃进一步向下。你弄清楚什么方向对你来说是“向下”：然后你跳。但是该死的：你跳得太远了，你最终在 U 的另一边更远了！
这只是一个简单的例子。您可能正在以更大的维度工作，这使这个类比有点复杂。
无论如何，这会导致当你训练另一个 epoch 时损失可能会不时增加。如果你训练了很多 epoch 并且损失不断上升，你应该检查学习率（它基本上决定了“跳跃”有多大）。
希望能帮助到你 ：）
*：还有其他定义 epoch 的方法，但它们都是这个的变体。