问神经网络交叉验证:如何处理历元数？

EN

我正在实现一个pytorch神经网络(回归)，并希望确定最佳的网络拓扑结构、优化器等。我使用交叉验证，因为我有x个测量数据库，我想评估我是否能够用x数据库的子集来训练一个神经网络，并将神经网络应用到看不见的数据库中。因此，我还介绍了一个测试数据库，它不用于超参数识别阶段。对于如何处理交叉验证中的历元数，我感到困惑，例如，我有许多历元= 100。有两种选择：

1. 划时代数是一个需要调整的超参数。在每个时代，跨越所有交叉验证迭代的平均误差被确定。在使用所有网络拓扑、优化器等对模型进行培训之后，将确定具有最小平均误差的模型，并具有如下参数：

-network拓扑:1

-optimizer: SGD

年代-number : 54

为了计算测试集上的性能，在训练和验证数据上使用这些参数(历元数= 54)训练一个模型。然后将其应用于测试集，并对其进行评估。，

• ，历元数不是一个需要调优的超参数。模型使用所有的网络拓扑、优化器等进行训练。对于每个模型，使用的是误差最小的历元数。对这些模型进行了比较，并可以通过以下参数确定最佳模型：

-network拓扑:1

-optimizer: SGD

为了计算测试数据的性能，使用了“简单”的培训和验证分割(例如80-20)。该模型利用上述参数和100个历元对训练和验证数据进行训练。最后，对测试数据进行了验证误差最小的多个历元模型的评估。

哪个选项是正确的还是更好的？