我已阅读答案 here并尝试了解 training、validation 和 testing 如何映射到 Tensorflow Estimator API 和 Keras API。
答: tensorflow
tf.estimator.train_and_evaluate 函数接受一个 train_spec 和一个 eval_spec。
这里的evaluate是指validation还是testing？ 如果它是测试，我在哪里指定一个验证集？
B:凯拉斯
在 Keras 中，这似乎更清楚，model.fit 采用 validation_data 参数，用于验证集。有一个单独的函数 model.evaluate，我们为其提供了测试集。这是正确的吗？
请您参考如下方法:
在实践中，术语“测试集”和“验证集”可以互换使用(与上面的描述相反)。因此，将训练期间使用的数据集称为测试/验证集变得很普遍。为了消除歧义，为超参数调整预留的集合(此处称为验证集)通常称为 holdout 集。( source )
根据这个定义，你可以做一件简单的事情。例如，假设第一个数据集是“训练”，第二个是“验证”(如在 keras 中)，用于在每个步骤对模型进行实时评估，最终数据集是“测试”。 您可以在模型完成训练后通过在测试数据集上运行 model.predict 来简单地检查它，以查看您的模型如何处理未见数据。
