Deep learning 需要测试吗？

我有一个非常复杂的网络，它占用了我gpu上的大量内存。我发现，如果我训练和测试我的数据（这是标准情况），内存使用率是只训练的两倍。真的有必要测试我的数据吗？或者它只是用于可视化，即显示我的网子是否过密或类似的情况

我认为这是必要的，但我不知道原因。我的问题是：如何将培训和测试分开？我知道你能行

test_initialization: false

但是如果我想测试我的网络，我以后会怎么做呢

---

提前谢谢

如果train.prototxt中有测试阶段，可以使用命令行测试网络。您可以看到，其中提到了以下命令行：

    # score the learned LeNet model on the validation set as defined in the
    # model architeture lenet_train_test.prototxt
    caffe test -model examples/mnist/lenet_train_test.prototxt -weights 
    examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -iterations 100

您可以编辑它来测试您的网络

---

还有一种方法，您可以使用脚本加载经过培训的网络，并在现场使用它。可以对其进行操作，以执行单独的向前传球，并将结果与预期结果进行比较。我不希望这完全是开箱即用的，所以您必须尝试一些东西。

您的层中还有测试阶段吗？不，我应该吗@如果您这样做，那么您可以使用命令行测试。如果没有，您可以编写脚本。我正在为你写一个答案。是的，但这是否与我在训练期间有一个测试阶段相同？因为如果是这样，为什么我甚至需要一个测试阶段呢@培训期间的CassieRunning测试阶段提供了有关您的模型在培训期间的泛化程度的信息。这当然不是必需的，但它确实可以洞察您的模型学习的速度，以及它是否和何时过度匹配。啊，好吧，所以它通常只是一个“测试”，正如它所说，但并不能改善培训本身。非常感谢。从中我了解到，测试阶段实际上只是报告的，没有在反向传播中使用。