Я использую модель AlexNet в TFLearn, и там это метод определения слоя регрессии, который:
tflearn.layers.estimator.regression (incoming, placeholder='default', optimizer='adam', loss='categorical_crossentropy', metric='default', learning_rate=0.001, dtype=tf.float32, batch_size=64, shuffle_batches=True, to_one_hot=False, n_classes=None, trainable_vars=None, restore=True, op_name=None, validation_monitors=None, validation_batch_size=None, name=None)
и в нем говорится, что "A metric can also be provided, to evaluate the model performance."
. Поэтому мне интересно, когда эта метрика также используется для проверки или используется только для оценки? Если он не используется при проверке, то на основе какой метрики работает проверка?
РЕДАКТИРОВАТЬ 1: я обнаружил, что метрика, объявленная в методе регрессии (), фактически также используется для проверки. Метрика по умолчанию — Accuracy
. Однако я не понимаю одной вещи: когда я не использую validation_set
(или устанавливаю для него значение Нет), сводка во время обучения по-прежнему выводит значение acc
. Так как же вычисляется это значение точности?
РЕДАКТИРОВАТЬ 2: нашел ответ здесь: https://github.com/tflearn/tflearn/issues/ 357а>