在DL中为什么将数据集分为训练集，开发集，测试集，可以提高迭代效率吗？
【jianshu.com,效率集】
首先，不是为了减少运算量，绝大多数情况下，对于深度学习而言困扰都在于优秀的数据太少，而不会嫌多，数据比计算力更为值钱 。然后，这样做主要是为了提高和验证网络的泛化能力 。DL有非常强大的拟合能力，只要见过的数据通常都能记住，因此训练阶段一般准确率可以接近100%，但是你还需要保证他能够处理没有见过的样本，例如识别花朵的神经网络，你不可能把世界上的所有花都找来，因此需要用验证集（调整Hyperparamerter）和测试集（最终验证）来确保它具有这个能力 。
我举个简单的例子，这就是课后作业、期末考试、高考这三者之间的关系 。课后作业（训练集）：让你学会知识（网络收敛）期末考试（验证集）：让你检验自己是否真的学会了，发现了问题之后，你会调整学习方法（调整Hyperparameter）高考（测试集）：这是最终的测试，在你没见过的题上究竟能做到什么程度（泛化能力），且不再给你调整的机会 。
推荐阅读
- 独显集显用哪个好,用集显或独显哪个好呢
- 富诗曼集成墙面整装,集成墙装饰线怎么安装
- 京建集团轻钢别墅,轻钢别墅京建怎么样
- 卡布西游超级采集器怎么得,一个人在西藏的经历
- 蚂蚁集团概念股,智能制造概念股
- 2022集成墙面十大品牌排行榜,集成墙面什么牌子好
- 天德盛酒多少钱,吉粮集团天德盛酒
- 集成灶赛道加速,火星人集成灶利润多少
- 暨2021中国集成电路创新创业大赛启动,全国大学生集成电路创新创业大赛
- 王者荣耀刘邦主什么技能,[攻速]王者荣耀全英雄攻速档位合集