我是深度学习领域的新手，我想澄清一下我在首次深度学习代码，即MNIST示例中遇到的问题。顺便说一下，我可能完全错了，所以请大家手下留情 🙂

我已经将训练数据分成了批次，每批次大小为50，最大训练轮次设为15（或者直到验证损失变量开始增加）。

我在第一个训练轮次就得到了93%的准确率，这怎么可能呢？据我所知，在第一个训练轮次中，模型只对完整的训练集进行了一次前向和反向传播，所以训练集的权重和偏置只调整了一次？

我原以为在多次训练轮次之后才能得到较高的准确率，而不是在权重首次调整时就达到。

回答：

是的……在第一个训练轮次也能获得不错的准确率。这更多地取决于数据的复杂性和你构建的模型。有时候，如果学习率过高，也可能会导致训练准确率较高。

关于调整权重和偏置的部分，可能是在进行小批量训练，每个小批量都会更新模型的权重。因此，权重可能已经更新了多次，更新次数等于训练数据图像数除以样本大小。