TFLearn - 用于验证和评估的指标？

Question

我在TFLearn中使用AlexNet模型，并且有一种定义回归层的方法，即：

tflearn.layers.estimator.regression (incoming, placeholder='default', optimizer='adam', loss='categorical_crossentropy', metric='default', learning_rate=0.001, dtype=tf.float32, batch_size=64, shuffle_batches=True, to_one_hot=False, n_classes=None, trainable_vars=None, restore=True, op_name=None, validation_monitors=None, validation_batch_size=None, name=None)

并说明"A metric can also be provided, to evaluate the model performance."。所以我想知道这个指标何时也用于验证或仅用于评估？如果它未在验证中使用，那么根据验证工作的指标是什么？

编辑1：我发现在regression（）方法中声明的度量标准实际上也用于验证。默认指标为Accuracy。但有一点我不明白，当我不使用validation_set（或将其设置为无）时，训练时的摘要仍会输出acc值。那么如何计算这个准确度值呢？

编辑2：在这里找到答案：https://github.com/tflearn/tflearn/issues/357

Answer 1

培训准确度acc基于您的培训数据，而验证准确度val_acc则基于验证数据。因此，省略验证数据不会改变输出。