TFLearn - 用於驗證和評估的度量標準？

Question

我使用在TFLearn AlexNet模型並且存在以限定迴歸層，其是這樣的方法：

tflearn.layers.estimator.regression (incoming, placeholder='default', optimizer='adam', loss='categorical_crossentropy', metric='default', learning_rate=0.001, dtype=tf.float32, batch_size=64, shuffle_batches=True, to_one_hot=False, n_classes=None, trainable_vars=None, restore=True, op_name=None, validation_monitors=None, validation_batch_size=None, name=None) 

和它指出"A metric can also be provided, to evaluate the model performance."。所以我想知道這個指標何時也用於驗證或僅用於評估？如果它沒有用於驗證，那麼基於驗證工作的指標是什麼？

編輯1：我發現在regression（）方法中聲明的度量實際上也用於驗證。默認度量標準是Accuracy。但有一點我不明白的是，當我不使用validation_set（或將其設置爲無）時，訓練時的彙總仍輸出acc值。那麼這個精度值是如何計算的？

編輯2：找到了答案在這裏：https://github.com/tflearn/tflearn/issues/357

Answer 1

的訓練精度acc是基於你的訓練數據，同時驗證準確性val_acc基於驗證數據。所以省略驗證數據不會改變輸出。