validation_batch_size等于训练CNN中的train_batch_size？

我想以最高的准确度保存模型，我需要在每个步骤中采取一批验证数据进行验证，以便在每一步训练之后，训练数据集将因时代而重复使用，但是如果train_batch_size等于validation_batch_size，验证数据集也将被重用？因为验证数据集远小于训练数据集。我应该怎么做？我的意思是重用验证集没有任何问题？或者我分别设置不同的尺寸。validation_batch_size等于训练CNN中的train_batch_size？

MAX_EPOCH = 10 
for epoch in range(MAX_EPOCH): 
    # training 
    train_step = int(80000/TRAIN_BATCH_SIZE) 
    train_loss, train_acc = 0, 0 
    for step in range(epoch * train_step, (epoch + 1) * train_step): 
     x_train, y_train = sess.run([x_train_batch, y_train_batch]) 
     train_summary, _, err, ac = sess.run([merged, train_op, loss, acc], 
              feed_dict={x: x_train, y_: y_train, 
                 mode: learn.ModeKeys.TRAIN, 
                 global_step: step}) 
     train_loss += err 
     train_acc += ac 
     if (step + 1) % 100 == 0: 
      train_writer.add_summary(train_summary, step) 
    print("Epoch %d,train loss= %.2f,train accuracy=%.2f%%" % (
     epoch, (train_loss/train_step), (train_acc/train_step * 100.0))) 

    # validation 
    val_step = int(20000/VAL_BATCH_SIZE) 
    val_loss, val_acc = 0, 0 
    for step in range(epoch * val_step, (epoch + 1) * val_step): 
     x_val, y_val = sess.run([x_val_batch, y_val_batch]) 
     val_summary, err, ac = sess.run([merged, loss, acc], 
             feed_dict={x: x_val, y_: y_val, mode: learn.ModeKeys.EVAL, 
                global_step: step}) 
     val_loss += err 
     val_acc += ac 
     if (step + 1) % 100 == 0: 
      valid_writer.add_summary(val_summary, step) 
    print(
     "Epoch %d,validation loss= %.2f,validation accuracy=%.2f%%" % (
      epoch, (val_loss/val_step), (val_acc/val_step * 100.0)))

来源

2017-08-29 Gary

在评估过程中可以使用不同的批量大小。

也就是说，每次评估模型时都应该使用相同的验证集。否则，结果会增加/减少，因为您评估的例子与先前的评估相比本质上更容易/更难。

来源

2017-08-29 07:42:29 GeertH

我刚修改我的问题，根据你的意思添加一些代码，上面的代码是正确的？每个时代我都有20000个验证集样本迭代完成验证，最后保存模型的最精确时代？在另一个问题中，我展示了我所有的代码，也许你可以看看它[https://stackoverflow.com/questions/45953858/how-to-adjust-parameters-when-the-cnn-model-is-over -配件）。 – Gary

validation_batch_size等于训练CNN中的train_batch_size？

回答

相关问题