训练集 training set
验证集 validation set
测试集 test set
交叉验证 cross validation
保留法 hold-out
一般来说,最终的正确率,训练集大于验证集,验证集大于测试集。
对于部分机器学习任务,我们划分的测试集必须是模型从未见过的数据,
比如语音识别中一个完全不同的人的说话声,图像识别中一个完全不同的识别个体。
这时,一般来说,训练集和验证集的数据分布是同分布的,而测试集的数据分布与前两者会略有不同。
在这种情况下,通常,测试集的正确率会比验证集的正确率低得多,这样就可以看出模型的泛化能力,
可以预测出实际应用中的真实效果。
2.0.0
tf.Session=== tf.compat.v1.Session
2.0兼容1.0 所有的代码都可以使用
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior() #禁止v2的行为
C:\Users\本地电脑\AppData\Local\Programs\Python\Python36\
TensorFlow 1.13.0 + Keras 2.2.4 on Python 3.6.
activate tensorflow
python -m pip install -i https://pypi.douban.com/simple --upgrade pip
pip install -i https://pypi.douban.com/simple --upgrade tensorflow==2.0.0
pip install -i https://pypi.douban.com/simple --upgrade tensorflow-gpu==2.0.0
pip install -i https://pypi.douban.com/simple --upgrade keras==2.3.1
cuda 10.0 我的百度里有
pip show tensorflow
pip show keras
tensorflow-2.0.0-cp37-cp37m-win_amd64.whl
Keras-2.3.1-py2.py3-none-any.whl
113.33578|23.1763303
pip install -i https://pypi.douban.com/simple --upgrade matplotlib
pip install -i https://pypi.douban.com/simple tf-nightly
pip install -i https://pypi.douban.com/simple --upgrade keras==2.3.0
2.3.1
pip uninstall keras