Validation 评估CNN训练效果的最佳指标是什么？验证错误或培训损失？

我想训练一个CNN，但我想使用所有数据训练网络，因此不执行验证。这是个好选择吗？如果我只把训练损失作为提前停止CNN的标准，我是否有可能过度适应CNN

换句话说，在以下选项中，KERAS（例如）中用于提前停车的最佳“监控”参数是什么

early_stopper=EarlyStopping(monitor='train_loss', min_delta=0.0001, patience=20)
early_stopper=EarlyStopping(monitor='train_acc', min_delta=0.0001, patience=20)
early_stopper=EarlyStopping(monitor='val_loss', min_delta=0.0001, patience=20)
early_stopper=EarlyStopping(monitor='val_acc', min_delta=0.0001, patience=20) 

stackoverflow中有这样的讨论，但是，他们只讨论验证。在验证或培训数据中使用标准是否有助于提前停止CNN培训

我想训练一个CNN，但我想使用所有数据训练网络，因此不执行验证。这是个好选择吗？我是吗 如果仅以训练损失作为补偿，就有可能超出我的CNN 提前停止CNN的标准

回答：不，你的目的是预测新样本，即使你得到了100%的训练准确率，但你可能在新样本上得到了糟糕的预测。你没有办法检查你是否有一个过度装配

换句话说，在以下选项中，KERAS（例如）中用于提前停车的最佳“监控”参数是什么

答：这应该是最接近现实的标准

early\u stopper=early stopping（监视器=val\u acc'，最小增量=0.0001，耐心=20）

---

此外，您可能需要培训、验证和测试数据。Train是训练你的模型，validate是验证一些模型+参数并选择最好的，test是独立验证你的结果（它不用于选择模型、参数，所以它相当于新样本）

我已经对Tin Luu的回答投了赞成票，但想细化一个关键的，实践点：最好的标准是最符合你成功标准的标准。也就是说，在你的问题对我们完全有意义之前，你必须定义你的实际评分函数

对于您培训此模型的应用程序，什么是重要的？如果它只不过是排名第一的预测准确度，那么验证准确度（

val_acc

）几乎肯定是您唯一的标准。如果您关心信心水平（例如，当48%的可能性是猫、42%的可能性是狼、10%的可能性是法拉利时对冲您的赌注），那么正确实现错误函数将使验证错误（

val\u err

）成为更好的选择

---

最后，我再次强调，根据您选择的标准，最终的衡量标准是实际绩效<代码>测试数据是实际输入的代表性采样。您可以使用提前停止标准来加快训练周转，但在您的实际标准得到测试和满足之前，您还没有准备好部署。

Tin Luu的答案很好。Andrew Ng善于解释更多，在他的免费在线课程机器学习在CurSera。有很多东西需要知道，但是你可能已经可以开始了。