关于MNIST数据集的两个技术问题：数据集情况及训练中0.88的含义

嘿，这俩都是机器学习入门绕不开的问题，我给你唠明白：

1. MNIST数据集的相关情况 #

• 它绝对是机器学习圈的「入门敲门砖」，专门用于手写数字识别任务，就像学编程时的Hello World一样经典。
• 整个数据集有70000张28×28的灰度手写数字图，数字范围是0到9。其中60000张是用来训练模型的训练集，剩下10000张是用来测试模型效果的测试集。这些样本标注精准，来源是美国人口普查局员工和高中生的手写数字，质量很靠谱。
• 它最大的优势就是数据量适中、任务简单，新手用它试手能快速搞懂图像分类的基本流程，很多新的模型架构也会先用它来验证可行性。

2. 训练过程中数值0.88的含义 #

这个数值在MNIST训练里99%的概率是模型的分类准确率：

• 如果是训练过程中每轮（epoch）结束后输出的，大概率是模型在训练集或者验证集上的正确识别比例。比如0.88就意味着有88%的手写数字样本被模型准确分类了。
• 当然也不排除是损失值的可能，但MNIST常用的交叉熵损失一般训练起来会快速下降到0.1以下，很少会停在0.88这么高的数值，所以基本可以确定是准确率。这个数值说明模型已经有了基础识别能力，但还有很大提升空间——正常调优后MNIST的准确率能轻松冲到98%以上。

内容的提问来源于stack exchange，提问作者Joe