应该是验证集上的精度和实际测试中的精度不太匹配，可能少几个点

那请问，怎么去对齐呢。验证集和测试集精度应该会差一点的吧

不懂+1 课程里听到有老师提过这个概念。

这个我不太清楚，可能是一些逻辑上的问题，也可能是BUG，可以去百度上找找

啊？不是复现时候的说法吗？复现的精度要和原文对齐

这是过拟合吧？

学到了

验证集【狗头】

精度对齐，就是指计算过程里面的值一模一样。

比如用飞桨代码改写pytorch或tensorflow论文程序，理论上最终的精度值应该一样，但是如果每次都全跑一遍来比较，耗时耗力，可以直接从开头就进行比较，比如查看loss值，如果第一个epoch的第一个step的loss值就不一样，就证明精度没有对齐，那么要么是代码没有写对，要么是两个框架的算子计算不一致，就可以提前发现问题，可以先集中精力处理前面两个问题，而不用每次都全跑一遍了。 

原来是这样。感谢解惑

哇，抄笔记。

就是控制好初始化、随机数种子等“随机”因素，时自己复现的模型和官方源码模型的输出一致

误差在1e-6以内应该就算对齐了

赞

涨知识惹~