Python 当我们不'；t指定验证\u分割或验证集？

当我们执行这样的操作时：

model.compile(Adam(lr=0.0001),loss='sparse_categorical_crossentropy',metrics=['accuracy'])

model.fit(train_sample, label, batch_size=10, nb_epoch=25, verbose=2)

损失和准确性取决于哪些数据

（输出如损耗：0.6971-acc:0.4965）

是根据什么计算的？

---

它是自己隐式生成验证集，还是仅仅根据训练数据给我们错误

如果为验证拆分添加浮点，它将在单独的拆分验证集上输出验证损失。如果您没有提供验证数据（这是默认值），就像在您的案例中一样，那么将返回培训损失的运行平均值

---

fit函数的详细信息如所述：。

训练集中的“普通损失和准确性”始终由计算机决定，因为这是指导学习的内容。计算验证损失时，打印为“val_损失”，精度与“val_精度”相同。因此，如果名称中没有“val”，则意味着必须在培训集中对其进行评估。

文档中明确提到了这一点-您可以用纯文本书写，先生。：）是的，我在页面上搜索过，但英语有点差，这就是为什么我没有找到我要找的东西的原因。：）