验证集和测试集的区别？

昨天一直在想验证集和测试集的问题，越想越迷…

问题是这样的，大部分网络的训练都是这么一个套路：训练迭代 n 个 epoch 以后就进行一次验证，然后网络会输出在验证集上的 loss 或者其他评价指标。

所以如果我直接把测试集作为验证集，不就可以看到每隔 n 个 epoch 模型在测试集上的表现了嘛？而且训练结束前的最后一次验证也就相当于测试了，反正验证集又不会被训练，这样还省的做测试了。

=============== 查资料后的一点理解 =================

参考文章：https://blog.csdn.net/JNingWei/article/details/78170171

首先验证集是不参与梯度下降的过程的，所以我想那么做也是可以，只是和使用验证集的初衷不一样了（其实就是没理解验证集在干嘛，还说的那么好听 😦）。

验证集的作用：

使用验证集是为了 快速调参，也就是用验证集选择超参数（网络层数，网络节点数，迭代次数，学习率这些）。另外用验证集还可以监控模型是否异常（过拟合啦什么的），然后决定是不是要提前停止训练。

验证集的关键在于 选择超参数，我们手动调参是为了让模型在验证集上的表现越来越好，如果把测试集作为验证集，调参去拟合测试集，就有点像作弊了。

而测试集既 不参与参数的学习过程，也 不参与参数的选择过程，仅仅用于模型评价。

验证集的正确打开方式：

验证集可以看做参与了 “人工调参” 的训练过程

一般训练几个 epoch 就跑一次验证看看效果（大部分网络自带这个功能）

这样做的第一个好处是：可以及时发现模型或者参数的问题，比如模型在验证集上发散啦、出现很奇怪的结果啦（Inf）、mAP不增长或者增长很慢啦等等情况，这时可以及时终止训练，重新调参或者调整模型，而不需要等到训练结束。

另一个好处是验证模型的泛化能力，如果在验证集上的效果比训练集上差很多，就该考虑模型是否过拟合了。同时，还可以通过验证集对比不同的模型。