我使用 ResNet18 主干网和研究建议的技术训练了 Cifar100 数据集，最终得到了一些令人惊讶的结果。我进行了两次尝试，第一次尝试使用 640 批量大小，第二次尝试使用 320 批量大小。其余所有超参数保持相似。
我对 640 批量大小获得的准确度是：76.45% 我对 320 批量大小获得的准确度是：78.64%
你能告诉我为什么会发生这种情况吗？
据我所知，这只是因为协变量偏移。完成完整样本的每次迭代的分布会影响准确性。我认为，与 640 批量大小相比，320 批量大小的分布彼此相似，这导致了更高的准确性。
您能解释一下吗？解决方案是什么？
normalization neural-network deep-learning conv-neural-network