【发布时间】:2018-02-28 16:58:35
【问题描述】:
我的问题很简单,什么是验证数据传递给序列模型中的model.fit用于?
而且,它是否会影响模型的训练方式(通常使用验证集,例如,在模型中选择超参数,但我认为这不会发生在这里)?
我说的是可以这样传递的验证集:
# Create model
model = Sequential()
# Add layers
model.add(...)
# Train model (use 10% of training set as validation set)
history = model.fit(X_train, Y_train, validation_split=0.1)
# Train model (use validation data as validation set)
history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test))
我调查了一下,发现keras.models.Sequential.fit 调用了keras.models.training.fit,它创建了val_acc 和val_loss 之类的变量(可以从回调中访问)。 keras.models.training.fit还调用keras.models.training._fit_loop,将验证数据添加到callbacks.validation_data,同时调用keras.models.training._test_loop,将在模型的self.test_function上批量循环验证数据。该函数的结果用于填充日志的值,即回调可访问的值。
看到这一切,我觉得传递给model.fit的验证集在训练期间并没有用来验证任何东西,它唯一的用途是获得关于训练后的模型在每个epoch中的表现如何完全独立的反馈放。因此,使用相同的验证和测试集是没问题的,对吧?
谁能确认 model.fit 中的验证集除了从回调中读取之外还有其他目标吗?
【问题讨论】:
标签: python validation keras training-data keras-2