Machine learning model.eval（）应用于测量训练集的准确性

在训练阶段，在69岁时，我得到了以下结果

• 列车：损失：0.201644404 Acc:0.887417219（670/755）
• 验证：损失：0.371976876 Acc:0.88000000（66/75）

对于测试阶段，我在该时期加载模型，并在此列车和验证集上再次测试：

• 列车组：获得735/755，精度97.35
• 验证：精度与培训阶段相同

在培训阶段：

• 在计算验证集的精度之前，我调用model.eval（），但不调用train set

在测试阶段：

• 在计算训练集和验证集的精度之前，我调用model.eval（）

问题是

我应该依靠哪种训练精度？培训阶段为0.88，测试阶段为0.97

正如Andrew Ng所指出的，训练精度和验证精度之间的差异可能意味着过度适应。如果我选择0.88，那么我的模型不是过拟合，但是如果我选择0.97，那么我的模型可能是过拟合

---

您还应该在火车组上使用model.eval（）。因此，0.97可能是使用

.eval

对其进行信任的值。您可以使用

model.eval（）

关闭一些在培训期间有帮助但在预测/验证时会使情况变得更糟的层。谢谢大家。有没有关于这方面的链接或详细说明？