在没有验证集和图像标准化的情况下训练Keras模型

Question

我在Python上使用Keras来训练CNN自动编码器。在fit()方法中，我必须提供validation_split或validation_data。首先，我想将80％的数据用作训练数据，将20％的数据用作验证数据（随机拆分）。找到最佳参数后，我想对所有数据进行自动编码器训练，即不再使用验证集。

是否可以在不使用验证集的情况下训练Keras模型，即使用所有数据进行训练？

此外，我图像中的像素都在[0，-0.04]范围内。是否仍建议将训练和验证中所有图像中所有像素的值标准化为[0,1]或[-1,1]范围或标准化（零均值，单位方差）？如果是这样，则首选哪种方法？顺便说一下，我的图像实际上是2D热图（一个颜色通道）。

Answer 1

是的，您可以在没有验证数据的情况下训练keras模型，但这不是一个好习惯，因为那样您将不知道该模型是否可以推广。自动编码器也是如此，它们可能过度适合训练集。

始终建议对输入进行标准化，尤其是在范围较大或较小的情况下。没有首选的方法，任何规范化通常都一样。