因此,最近我一直在学习中的教程,并提出了以下问题:内部是否存在培训/验证分割?
问题是,在本教程中,主数据集被拼接到培训和测试中。在这里,训练集用于训练和评估()函数中的测试。
据我所知,在处理神经网络时,通常将数据分成3组:训练、验证和测试。然而,在本教程中,它只分为培训和测试。据我所知,通常对模型进行训练,然后进行评估,然后根据评估步骤中学到的内容更新权重。然而,我似乎找不到评估功能和培训之间的任何联系。因此,在此示例中,使用相同的数据集对模型进行评估和测试。
这里有我可能遗漏的东西吗?在培训期间是否存在训练数据集的内部分裂(分为训练和验证),而函数估价()仅仅用于测试模型的性能?
for
使用下面的例子进行迁移学习有什么区别?
图像分类.使用预训练模型(MobileNet V2模型) https://www.tensorflow.org/tutorials/images/transfer_learning#create_这个_基座_模型_从…_这个_预训练_凸网进行传递学习和微调
对象检测-见Create model and restore weights for all but last layer节(ssd_resnet50模型)- https://github.com/tensorflow/models/blob/master/research/object_检测/实验室