神经网络验证集的作用_卷积神经网络的编程

一、神经网络基本概念掌握

1.明确Epoch、Batch、iteration、样本数量之间的关系

1.1 Epoch

每一个Epoch所有的样本都训练一次。最大的循环，循环训练集所有样本数量

1.2 Batch

训练集每次选取Batch大小的样本数量进行训练后更新权值。训练集中选出batch大小样本数量

1.3 iteration：迭代次数

每一个迭代次数更新一次权值。

2.前向传播与反向传播（每一个iteration更新一次）

训练集：前向传播求得损失函数、反向传播利用损失函数更新神经网络参数的权值。

验证集和测试集只需要进行前向传播

3.数据集的作用

训练集的存在是为了学习神经网络内部的参数，学习好之后用验证集观察效果

验证集的存在是为了调整超参数（如开始人为设定好的初始学习率、层数、权值衰减系数、训练次数等），训练集和验证集效果都好，用测试集观察模型效果

测试集就是最终的模型泛化效果检验

二、搭建训练框架

三、模型评估

3.1查准率和查全率

1.混淆矩阵

	预测：正类	预测：反类
真实：正类	TP	FN
真实：正类	FP	TN