街景字符编码识别-Task04-模型训练、验证和测试

学习目标

• 理解验证集的作用，并使用训练集和验证集完成训练
• 学会使用Pytorch环境下的模型读取和加载，并了解调参流程

模型训练与验证

• 构造验证集
• 模型训练与验证
• 模型保存与加载
• 模型调参流程

一、训练集、验证集和测试集

训练集：用于模型拟合的数据样本。

验证集：模型训练过程中单独留出的样本集。不参与模型的训练，可以用于调整模型的超参数和用于对模型的能力进行初步评估。

测试集：用来评估模最终模型的泛化能力。不参与模型的训练，不能作为调参、选择特征等算法相关的选择的依据。
 

二、街景字符编码识别的训练、验证和测试

1.迭代训练和验证模型

在每一轮epoch中，使用验证集对当前的模型进行评估，主要观察训练集和验证集的损失函数loss是否一直在下降，训练集的损失函数一般会随着epoch的迭代次数的增加而持续降低，而验证集会先下降再上升，当验证集损失函数loss最小的时候，此时保存的模型的泛化性能最好，再往后验证集的损失开始上升，说明模型开始过拟合了。

模型调参：可以改变优化器中的学习率的大小，调节批处理的bacthsize的大小，改变训练的迭代轮次epoch，改变网络的结构，添加正则化或dropout等增强模型的泛化能力。

model = SVHN_Model1()
criterion