TFLearn - 验证和评估的指标？

Question

我在TFLearn中使用AlexNet模型，有一种方法可以定义回归层，即：

tflearn.layers.estimator.regression (incoming, placeholder='default', optimizer='adam', loss='categorical_crossentropy', metric='default', learning_rate=0.001, dtype=tf.float32, batch_size=64, shuffle_batches=True, to_one_hot=False, n_classes=None, trainable_vars=None, restore=True, op_name=None, validation_monitors=None, validation_batch_size=None, name=None)

它声明"A metric can also be provided, to evaluate the model performance."。所以我想知道这个指标什么时候也用于验证或仅用于评估？如果它不用于验证，那么验证是根据什么指标起作用的？

编辑 1：我发现在回归（）方法中声明的指标实际上也用于验证。默认指标为Accuracy。但是我不明白的一点是，当我不使用validation_set（或将其设置为None）时，训练时的摘要仍然会输出acc 值。那么这个准确率值是怎么计算出来的呢？

编辑 2：在这里找到答案：https://github.com/tflearn/tflearn/issues/357

Answer 1

训练准确率acc基于您的训练数据，而验证准确率val_acc基于验证数据。所以省略验证数据不会改变输出。