所以基本上一个人在训练/测试中分割数据库。假设2/3用于训练，其余的用于测试。
然后在caffe中，我们将训练数据分成不同大小的批，假设我们有100批，每批50张图像，所以我们有5000张训练图像。现在假设我们有50个测试批次，每个批次50个图像。
现在让我们说caffe做了1个epoch，然后用测试批次进行测试。咖啡是怎么做到的呢?
它使用第一个训练批，并使用它，它试图预测每个测试批的标签?
:
training_batch_1 : testing_batch_1 = accuracy xxxx;
training_batch_1 : testing_batch_2 = accuracy xxxx;
....
training_batch_1 : testing_batch_50 = accuracy xxxx;
然后提取training_batch_1的平均准确率。然后对training_batch_2等做同样的事情吗?
测试只是通过训练模型的单个向前传递来运行输入向量。最上面的预测标签是否与给定的测试值匹配?如果是，得1分。在批处理结束时，将总点数除以批大小，即为批处理精度。
在测试运行结束时，取批精度的平均值;这就是测试精度。
这是你需要知道的吗?