深度学习train数据集、val数据集、test数据集区别

转自：https://blog.csdn.net/qq_39501363/article/details/93716360

https://www.cnblogs.com/laowangxieboke/p/10417931.html

一  caffe中train数据集、val数据集、test数据集区别

val是validation的简称。
training dataset 和 validation dataset都是在训练的时候起作用。
而因为validation的数据集和training没有交集，所以这部分数据对最终训练出的模型没有贡献。
validation的主要作用是来验证是否过拟合、以及用来调节训练参数等。
 
比如你训练0-10000次迭代过程中，train和validation的loss都是不断降低，
但是从10000-20000过程中train loss不断降低， validation的loss不降反升。
那么就证明继续训练下去，模型只是对training dataset这部分拟合的特别好，但是泛化能力很差。
所以与其选取20000次的结果，不如选择10000次的结果。
这个过程的名字叫做 Early Stop， validation数据在此过程中必不可少。
 
如果你去跑caffe自带的训练demo，你会用到train_val.prototxt，这里面的val其实就是validation。
而网络输入的TEST层，其实就是validation，而不是test。你可以通过观察validation的loss和train的loss定下你需要的模型。

但是为什么现在很多人都不用validation了呢？
我的理解是现在模型中防止过拟合的机制已经比较完善了，Dropout\BN等做的很好了。
而且很多时候大家都用原来的模型进行fine tune，也比从头开始更难过拟合。
所以大家一般都定一个训练迭代次数，直接取最后的模型来测试。

二 FRCNN中的不同数据集

FRCNN的VOC数据集中，包含四种数据文件，train、test、val、tainval。

train.txt：用于训练的图片数据名称；

test.txt：用于测试的图片数据名称；

val.txt：用于验证的图片数据名称；

trainval.txt：train+val数据集和。

有一篇文档比如蛮有趣：训练集、验证集、测试集以及交验验证的理解（https://blog.csdn.net/kieven2008/article/details/81582591）

    训练集-----------学生的课本；学生 根据课本里的内容来掌握知识。

    验证集------------作业，通过作业可以知道 不同学生学习情况、进步的速度快慢。

    测试集-----------考试，考的题是平常都没有见过，考察学生举一反三的能力。