如何解决fasti 图像分类仅使用验证数据集而不使用测试数据集
我使用 fastai 构建了一个图像分类模型。我提供了这样的训练和验证数据集:
data = (ImageList.from_folder(PATH)
.split_by_folder(train='train',valid='valid')
.label_from_folder()
.transform(get_transforms(do_flip=True,flip_vert= True,max_zoom=1.1,max_rotate=10,max_lighting=0.5),size=224)
.databunch()
.normalize() )
然后我运行了 3-4 个 epoch,这给了我每个 epoch 的损失和准确性
最后我生成了混淆矩阵。
interp = ClassificationInterpretation.from_learner(learn)
interp.plot_confusion_matrix()
我的问题是,
- 我不应该使用单独的测试数据集来实际计算混淆矩阵和实际准确度。或者仅使用验证数据测试就足够了。我希望仅使用验证数据集就可以找到模型准确性。
- 我了解验证数据集用于为下一个 epoch 微调超参数,那么,在最后一个 epoch 结束时,验证数据集是否可以被视为测试数据集?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。