碼字不易，如果各位看官感覺該文章對你有所幫助，麻煩點個關注，如果有任何問題，請留言交流。如需轉載，請注明出處，謝謝。

文章鏈接：https://blog.csdn.net/herocheney/article/details/118300553

目錄

一、深度學習的數據

二、訓練集、測試集和驗證集

三、訓練集、測試集和驗證集的比例

---

一、深度學習的數據

? ? ? ? 在深度學習或機器學習的過程中，數據無疑是驅動模型的主要能量，通過訓練現有數據，得到相應的網絡參數，使得我們所設計的模型具有泛化性，能夠預測一些未知的，沒有出現的樣本，并將該參數應用到實際當中，是模型訓練的主要流程，數據的干凈程度，完備程度等，是網絡學習好壞的重中之重。

二、訓練集、測試集和驗證集

? ? ? ? 我們通常把訓練的數據分為三個文件夾：訓練集、測試集和驗證集。

下面這個比喻非常恰當：模型的訓練與學習，類似于老師教學生學知識的過程。

1、訓練集（train set）：用于訓練模型以及確定參數。相當于老師教學生知識的過程。

2、驗證集（validation set）：用于確定網絡結構以及調整模型的超參數。相當于月考等小測驗，用于學生對學習的查漏補缺。

3、測試集（test set）：用于檢驗模型的泛化能力。相當于大考，上戰場一樣，真正的去檢驗學生的學習效果。

參數（parameters）是指由模型通過學習得到的變量，如權重和偏置。

超參數（hyperparameters）是指根據經驗進行設定的參數，如迭代次數，隱層的層數，每層神經元的個數，學習率等。

三、訓練集、測試集和驗證集的比例

根據吳恩達的視頻所述，如果當數據量不是很大的時候（萬級別以下）的時候將訓練集、驗證集以及測試集劃分為6：2：2；若是數據很大，可以將訓練集、驗證集、測試集比例調整為98：1：1。

總結

以上是生活随笔為你收集整理的【深度学习】训练集、测试集和验证集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。