我已阅读答案here，并试图了解training，validation和testing如何映射到Tensorflow Estimator API和Keras API。
A：Tensorflow
tf.estimator.train_and_evaluate函数需要一个train_spec和一个eval_spec。
在这里，evaluate是上述术语中的validation还是testing？
如果是testing，我应该在哪里指定validation set？
B：Keras
在Keras中，这似乎更清楚了，model.fit带有validation_data参数，该参数适用于validation set。有一个单独的功能model.evaluate，我们为此提供了test set。这是正确的吗？
答案 0 :(得分：2)
在实践中，术语“测试集”和“验证集”可互换使用（与上述描述相反）。结果，将训练期间使用的那个称为测试/验证集变得很普遍。为了消除歧义，为超参数调整而预留的集合（此处称为验证集合）通常称为保持集合。（source）
基于此定义，您可以做一件简单的事情。例如，假设第一个数据集是“ train”，第二个数据集是“ validation”（如在keras中一样），用于在每个步骤中实时评估模型，而最终数据集是“ test”。 您只需在测试数据集上运行model.predict，即可在模型完成训练后对其进行检查，以查看您的模型如何处理看不见的数据。