Python 测试伯特模型的最快方法

我正在用BERT解决一个多类分类问题。上次我训练了我的模型，花了大约13个小时才完成，结果发现我的模型太过合适了。我做了一些改变，现在我想测试一下，但是，我负担不起自己在不知道输出是否正常或是否会再次过度匹配的情况下再次训练13小时。如果我的模型在没有连续13个小时的训练的情况下运行良好，并且如果测试结果接近“OK”，那么我想继续在整个数据集上训练它，有什么方法可以快速获得总体想法/快速测试它吗

---

我的数据集相当小（'train'，10482），（'valid'，3493），（'test'，3494），我听说快速测试模型的一种方法是使用

测试集而不是
训练集来训练模型。但是，我不确定这是否是一个好主意，因为测试数据集很小。如果这是一个好主意，那么我是否应该再次将测试集分为3部分（训练、验证、测试）？
到目前为止，您能发布您的代码吗？