神经网络训练多个epoch，写论文可以取最好的epoch作为结果吗？

干货第一时间送达

内容来自知乎，「计算机视觉工坊」整理，如有侵权请联系删除 https://www.zhihu.com/question/408153243

碰上大雾天气，纯视觉方案是如何识别车辆和障碍物的呢？

作者 墨村临时工

作为一个审稿人，我一向不太关注最终精度。 这是一个小的指标。 并不能决定我接受或者不接受你的结果，尤其是你的代码数据未开源的情况下。

正常来说我更关注你的立意，动机，解释性以及探索过程。 文章架构和写作都比那个最终结果更重要。 研究是探索不是打磨。 工业界有资源的工程师打磨肯定比我们条件强。

作为科研人，我喜欢刚出现的火枪而不是成熟的弓箭。

作者 还是不注名好

见到paper实验里写的这种，无论他其他的部分写的多好，反正我看到了就会给打个strong reject。

因为这属于学术不端，本质上是information leaking，相当于在得到结果的时候预先使用了test set的信息。在你得到训练好的模型之前，你是不允许使用test set的任何信息的。（当然把test set accuracy 在代码里打印出来其实是可以的，但你要确保这个信息绝不参与对训练好的模型的选择）你都能在训练过程中找到”test set表现最好的那个epoch"了，这和直接把test set加入train set得到一个overfit的东西，有什么区别呢？

正确的做法是使用validation set上表现最好的那个epoch，放到test set上去看结果。

作者 墨言

好多人说必须在val上才能report最佳epoch，但当你穿越到了蓝星发现以下情况阁下如何应对？doge

case1：数据集样本数量太小不足以划分train/val，直接使用test当val，常见于自建数据集