バッチを使用して神経ニューラルネットワークを訓練する場合、精度（訓練と検証）は各エポック後に増加するでしょう（データ全体を見た後に追加時間がかかります）？各エポック後に精度が向上する必要がありますか？
ネットワーク設定（学習率、ノード数など）が妥当かどうかを迅速に判断したいと考えています。また、データセット全体がより多く見られるほど、パフォーマンスが向上する必要があるように見えました。
エポックでパフォーマンスが低下する場合は、何かが間違っている（高学習率、高バイアス）かと心配すべきですか？ （あるいは私はいつも判断するためにいくつかのエポックを待たなければならないのですか？）
私はそれがデータセットとアーキテクチャに依存していると言います。したがって、変動は正常ですが、一般的には損失は改善されるはずです。あなたはより良い損失曲線を解釈するために、これらの実践的なガイドを見てすることができます
http://cs231n.github.io/neural-networks-3/#loss
https://blog.slavv.com/37-reasons-why-your-neural-network-is-not-working-4020854bd607
はい、完璧な世界に一つは試験精度を上げることを期待します。テストの精度が低下し始める場合は、ネットワークがオーバーフィットしている可能性があります。その点に達する直前に学習をやめたり、過学習問題に対処するための他の手順をとったりすることもできます。
また、テストデータセットにノイズが含まれている可能性があります。誤ってラベルされた例です。