我正在尝试使用Tensorflow并构建一个简单的逻辑回归分类器。训练集包含大约五十万（480,000）个数据点。我正在接受100个批次的培训。
在训练模型时，损失在20个训练时期内从0.002降至0.000000034（整个训练集在每个时期逐批遍历）。
然而，这在训练集上给出了0.671725的准确度，这似乎非常低。根据我的理解，训练集的准确度应接近1.00（100％）。由于我对Tensorflow很陌生，我不确定在计算中是否遗漏了一个关键细节。
将批量大小更改为1000并没有多大区别 - 从0.671698到0.671725。
可能过度拟合，但我仍然无法理解为什么它会降低训练集的准确性。
将纪元数减少到10会产生相同的准确度。
将时期增加到100并不会改变准确性。
在75个时期之后，将学习率从0.001提高到0.01，产生0.000000000。该值非常小，以适应精度。培训准确性保持不变
代码段：
indexPathForView(_:)知道可能导致此行为的原因是什么？尺寸是否大，因为当达到80个训练数据点时，准确度会达到一个应有的程度？