Мой вопрос прост, какие данные проверки переданы model.fit в последовательной модели , используемой для?
И влияет ли это на то, как обучается модель (обычно используется набор валидации, например, для выбора гиперпараметров в модели, но я думаю, что этого не происходит здесь)?
Я говорю о наборе проверки, который можно передать следующим образом:
# Create model
model = Sequential()
# Add layers
model.add(...)
# Train model (use 10% of training set as validation set)
history = model.fit(X_train, Y_train, validation_split=0.1)
# Train model (use validation data as validation set)
history = model.fit(X_train, Y_train, validation_data=(X_test, Y_test))
Я немного исследовал, и я увидел, что keras.models.Sequential.fit
вызывает keras.models.training.fit
, который создает переменные типа val_acc
и val_loss
(к которым можно получить доступ из Callbacks). keras.models.training.fit
также вызывает keras.models.training._fit_loop
, который добавляет данные проверки в callbacks.validation_data
, а также вызывает keras.models.training._test_loop
, который будет зацикливать данные проверки пакетами в self.test_function
модели. Результат этой функции используется для заполнения значений журналов, которые являются значениями, доступными из обратных вызовов.
После видя все это, я чувствую, что множество проверки передается model.fit
не используются для проверки что-либо во время тренировки, и его единственное применение, чтобы получить обратную связь о том, как тренированный модель будет выполнять в каждой эпохе для полностью независимого задавать. Следовательно, было бы okey использовать тот же набор проверки и тестирования, верно?
Может ли кто-нибудь подтвердить, имеет ли подтверждение, установленное в model.fit, какую-либо другую цель помимо чтения из обратных вызовов?