CNNにおいてepoch数でモデルの精度が変わるのか？

Question

ディープランニングを現在自己学習しているのですが、
epochを回せば回すほど下のように頭打ちするまでの間、精度が上がっていくのか理解できません

epoch 0 | Train loss 2.2066 | Test accuracy: 0.3739 #
epoch 1 | Train loss 1.9725 | Test accuracy: 0.5874 #
epoch 2 | Train loss 1.7227 | Test accuracy: 0.6932 #
epoch 3 | Train loss 1.4624 | Test accuracy: 0.7452 #
epoch 4 | Train loss 1.2271 | Test accuracy: 0.7800 #
epoch 5 | Train loss 1.0396 | Test accuracy: 0.8039 #
epoch 6 | Train loss 0.8999 | Test accuracy: 0.8188 #
epoch 7 | Train loss 0.7971 | Test accuracy: 0.8306 #
epoch 8 | Train loss 0.7203 | Test accuracy: 0.8422 #
epoch 9 | Train loss 0.6614 | Test accuracy: 0.8514 #
epoch 10 | Train loss 0.6150 | Test accuracy: 0.8580 #

指定したバッチサイズに応じて入力データを組んで学習をするまでが1回のepochと認識してます。
その場合だと、何回epochを回してもそれぞれのepochで精度にばらつきが生まれると思うのですがなぜ、epoch数が大きい方がモデルの精度が良くなるのでしょうか？
１epochごとにパラメータの更新か何かが行われているということでしょうか？

よろしくお願いします。

Answer 1

１epochごとにパラメータの更新か何かが行われているということでしょうか？

学習の設定によりますが、たいていは、1エポックの間に数回のパラメータの更新が行われます

たとえば、学習用サンプル数が1000で、バッチサイズが50だとします
その場合、50サンプル(1バッチ)ごとにパラメータの更新が行われます

全データ1000サンプル(1エポック)は1000/50=20バッチですから、1エポックごとに20回パラメータ更新がされます

このあたりを読んでみてください
バックプロパゲーションの理解に必要な知識 -バッチサイズ-

Answer 2

1回のepochでは、学習を「全データ÷バッチサイズ」回実行します。
1回の学習毎にパラメータの更新を行います。
つまり、1回のepochでは「全データ÷バッチサイズ」回のパラメータ更新が行われます。
更新されたパラメータは次のepochに引き継がれるので、基本的にはepochを回すと精度が向上していきます。