python - Tensforflow估算器与Keras的验证和测试

我已阅读答案here，并试图了解training，validation和testing如何映射到Tensorflow Estimator API和Keras API。

答：Tensorflow

tf.estimator.train_and_evaluate函数采用train_spec和eval_spec。

在这里，evaluate是上述术语中的validation还是testing？
如果是testing，在哪里指定validation set？

B：凯拉斯

在Keras中，这似乎更清楚了，model.fit采用validation_data参数，该参数用于validation set。我们为model.evaluate提供了一个单独的功能test set。它是否正确？

最佳答案

实际上，术语“测试集”和“验证集”可以互换使用（从上面的描述中有所体现）。结果，将训练期间使用的那个称为测试/验证集变得很普遍。为了消除歧义，为超参数调整而预留的集合（此处称为验证集合）通常称为保持集合。（source）

根据此定义，您可以做一件简单的事情。例如，假设第一个数据集是“ train”，第二个数据集是“ validation”（如在keras中一样），用于在每个步骤对模型进行实时评估，而最终数据集是“ test”。
您只需在测试数据集上运行model.predict，即可在模型训练完毕后对其进行检查，以查看模型如何处理看不见的数据。

关于python - Tensforflow估算器与Keras的验证和测试，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52106752/