TFLearn - 用于验证和评估的度量标准？

Question

我使用在TFLearn AlexNet模型并且存在以限定回归层，其是这样的方法：

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) 

和它指出"A metric can also be provided, to evaluate the model performance."。所以我想知道这个指标何时也用于验证或仅用于评估？如果它没有用于验证，那么基于验证工作的指标是什么？

编辑1：我发现在regression（）方法中声明的度量实际上也用于验证。默认度量标准是Accuracy。但有一点我不明白的是，当我不使用validation_set（或将其设置为无）时，训练时的汇总仍输出acc值。那么这个精度值是如何计算的？

编辑2：找到了答案在这里：https://github.com/tflearn/tflearn/issues/357

Answer 1

的训练精度acc是基于你的训练数据，同时验证准确性val_acc基于验证数据。所以省略验证数据不会改变输出。