为何需要验证集？

参数不仅仅只有权重

在神经网络中有很多参数，有些参数，比如权重是可以通过训练集学习更新的；
但是有些参数是在训练开始之前人为设定的，比如学习率（或初始学习率），层的大小等这类参数，我们可以称之为超参数。

超参数的调整

这样的参数一次训练只能设置一次，很显然为了找到一个合适的数值，需要不断调整其设定值，重复训练模型，观察其结果。

验证集

那为什么不直接在训练集上观察其调整带来的效果呢？因为如果只是在训练集上观察效果，那么学习总是会往尽可能多的满足训练集上的情况靠近。但是换了个从未观察过的样本集合中，可能效果就不是那么好。所以此时为了调超参数，引入一个网络从未学习的样本集合——验证集，来观看每一次调超参数后的结果。

测试集

测试集是不能以任何形式参与神经网络中的学习的过程中的。如果参与了，那么就无法保证模型在未观测的数据上的表现的可靠性。
似乎这样说，和验证集貌似效果一样。但是验证集的不断参与调整超参数的过程，就已经不满足测试集“不能以任何形式参与神经网络中的学习的过程中”这一个原则。
验证集的存在是为了调整超参数，而已经确定完最佳超参数的模型如何去查看其的表现如何呢？那么这就是测试集的存在的意义。

个人感想

1. 如果此时我对于验证集的想法没有错误的话，那么如果你的模型不需要调整超参数，就可以在fit的过程中，直接拿测试集的数据作为validation_data（验证数据）。而不需要为此设置一个验证集。
2. 在训练的过程中使用训练集（训练权重参数）以及验证集（为了对比超参数调整前后的变化）；训练结束后，使用测试集测试性能。如果需要训练超参数，训练集和验证集的图片都不应该出现在测试集中。