caffe中train过程的train数据集、val数据集、test时候的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。