caffe的培训和测试阶段之间的区别

Question

这可能看起来像一个愚蠢的问题，但我试图了解咖啡测试阶段对于良好结果的重要程度。当然，训练阶段很重要，但是测试阶段只是为了测试一个未经过训练的训练集定期获得多少损失？如果是这样，我的测试集的大小真的很重要吗？测试甚至根本不重要？我问，因为我目前有一些严重的配合问题。如果我有一个大的数据集（> 50000图像），我应该如何在测试和训练之间将它们分开？

Answer 1

Caffe从不在使用测试集的结果的同时进行训练并修改某些参数以解决某些问题，如过度拟合。

验证集（培训期间的测试集）的使用让我们通过查看精度或损失值，绘制它们或查看输出结果来查看模型是否过度填充数据。例如，如果训练集的损失在每次迭代中持续减少并且测试集的损失持续增加，则这是过度拟合训练集的模型的可靠情况。为了得出这样的结论，为测试集选择的图像不应与训练集的图像相同。理想的是保持1:10比例的测试图像数量。如果测试集使用的是训练集的一个子集，那么测试集的损失会减少，我们可能无法检测到模型的过度拟合行为。