用mnist测试集测精确度时程序出错！！！

Question

神经网络在训练时，喂入的数据是mnist.train数据集，可以成功训练网络。但是，在用mnist.test数据集测试神经网络精确度时报错，如图所示。查了一下数据的类型，测试集和训练集的数据类型是一样的，为什么训练集可以喂入神经网络，测试集就不行呢？另外，也发现训练的神经网络对手写的数字识别基本不准。

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

根据您提供的信息，我注意到以下几点：

1. 在测试阶段，使用了mnist.test数据集进行测试，而不是mnist.train数据集。这可能导致测试结果与训练过程中的表现不同。

2. mnist.test数据集可能包含一些未见过的样本，这些样本在训练过程中没有被学习到。因此，尽管它看起来似乎已经准备好用于测试，但在实际测试中可能会遇到问题。

3. 另外，虽然您提到训练的神经网络对手写数字识别基本不准确，但这种错误可能是由于多种因素引起的，包括但不限于模型结构、参数选择不当、过拟合或欠拟合等问题。

为了解决这些问题，您可以尝试以下方法：

1. 检查输入数据是否正确加载。确保所有样本都是有效的，并且它们具有正确的形状和类型。

2. 分析模型输出，看看是否有任何异常行为或模式。例如，如果模型对某些特定类型的样本表现出异常敏感，那么这些样本可能不适合用于测试。

3. 调整模型的超参数，例如批次大小、学习率等。通过调整这些参数，您可以在保持性能的同时减少过拟合的风险。

4. 使用交叉验证或其他技术来评估模型在不同数据集上的性能。这样可以帮助您找到最佳的模型配置。

5. 如果您的问题是由于过拟合导致的，请考虑增加更多的数据或者使用更复杂的模型架构。

6. 最后，如果您有额外的测试数据，您可以将其作为测试数据的一部分。这样做可以提供更好的基准线，帮助您更好地理解模型的表现。

希望以上建议能帮助您解决问题！