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/ 357
