很抱歉，这个问题看起来有点奇怪，也许是基本的，但是由于我一直很遗憾无法找到答案，所以我决定在这里提出问题。
我知道在深度神经网络的背景下，我们会在完成每个训练纪元后的验证（即开发）集上验证训练后的模型，这意味着只需遍历所有一次训练数据点。我也知道以下概念之间的区别：时代，训练步骤，批量大小以及人们经常得到的概念之间的关系混在一起。
我现在的问题是，当我们根据训练步骤训练神经网络时（假设我们希望考虑训练步骤来进行训练循环，这是模型的预定义超参数，而不是历元），我们什么时候应该在验证集上验证模型？我们仍然（只是）需要考虑/计算时期以找出进行验证的正确时间（步骤）吗？
还有另一个问题；如果我们在完成训练步骤的固定数量之后，在验证集上验证模型，这是否合理？假设我们要训练的总训练步骤为50,000步，并且每隔5000步就对模型进行一次验证。