碼字不易，如果各位看官感覺該文章對(duì)你有所幫助，麻煩點(diǎn)個(gè)關(guān)注，如果有任何問題，請(qǐng)留言交流。如需轉(zhuǎn)載，請(qǐng)注明出處，謝謝。

文章鏈接：https://blog.csdn.net/herocheney/article/details/118300553

目錄

一、深度學(xué)習(xí)的數(shù)據(jù)

二、訓(xùn)練集、測(cè)試集和驗(yàn)證集

三、訓(xùn)練集、測(cè)試集和驗(yàn)證集的比例

---

一、深度學(xué)習(xí)的數(shù)據(jù)

? ? ? ? 在深度學(xué)習(xí)或機(jī)器學(xué)習(xí)的過程中，數(shù)據(jù)無疑是驅(qū)動(dòng)模型的主要能量，通過訓(xùn)練現(xiàn)有數(shù)據(jù)，得到相應(yīng)的網(wǎng)絡(luò)參數(shù)，使得我們所設(shè)計(jì)的模型具有泛化性，能夠預(yù)測(cè)一些未知的，沒有出現(xiàn)的樣本，并將該參數(shù)應(yīng)用到實(shí)際當(dāng)中，是模型訓(xùn)練的主要流程，數(shù)據(jù)的干凈程度，完備程度等，是網(wǎng)絡(luò)學(xué)習(xí)好壞的重中之重。

二、訓(xùn)練集、測(cè)試集和驗(yàn)證集

? ? ? ? 我們通常把訓(xùn)練的數(shù)據(jù)分為三個(gè)文件夾：訓(xùn)練集、測(cè)試集和驗(yàn)證集。

下面這個(gè)比喻非常恰當(dāng)：模型的訓(xùn)練與學(xué)習(xí)，類似于老師教學(xué)生學(xué)知識(shí)的過程。

1、訓(xùn)練集（train set）：用于訓(xùn)練模型以及確定參數(shù)。相當(dāng)于老師教學(xué)生知識(shí)的過程。

2、驗(yàn)證集（validation set）：用于確定網(wǎng)絡(luò)結(jié)構(gòu)以及調(diào)整模型的超參數(shù)。相當(dāng)于月考等小測(cè)驗(yàn)，用于學(xué)生對(duì)學(xué)習(xí)的查漏補(bǔ)缺。

3、測(cè)試集（test set）：用于檢驗(yàn)?zāi)Ｐ偷?strong>泛化能力。相當(dāng)于大考，上戰(zhàn)場(chǎng)一樣，真正的去檢驗(yàn)學(xué)生的學(xué)習(xí)效果。

參數(shù)（parameters）是指由模型通過學(xué)習(xí)得到的變量，如權(quán)重和偏置。

超參數(shù)（hyperparameters）是指根據(jù)經(jīng)驗(yàn)進(jìn)行設(shè)定的參數(shù)，如迭代次數(shù)，隱層的層數(shù)，每層神經(jīng)元的個(gè)數(shù)，學(xué)習(xí)率等。

三、訓(xùn)練集、測(cè)試集和驗(yàn)證集的比例

根據(jù)吳恩達(dá)的視頻所述，如果當(dāng)數(shù)據(jù)量不是很大的時(shí)候（萬級(jí)別以下）的時(shí)候?qū)⒂?xùn)練集、驗(yàn)證集以及測(cè)試集劃分為6：2：2；若是數(shù)據(jù)很大，可以將訓(xùn)練集、驗(yàn)證集、測(cè)試集比例調(diào)整為98：1：1。

總結(jié)

以上是生活随笔為你收集整理的【深度学习】训练集、测试集和验证集的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。