AI模型训练和测试哪个好？分工差别与图像识别epoch设置思路

很多人第一次做图像识别，卡在两件事上：一是搞不清训练和测试到底谁管什么，把测试集当训练集反复调，结果上线就崩；二是 epoch 拍脑袋定，要么欠拟合没学够，要么跑飞了过拟合还看不出来。这篇按分工、数据划分、epoch 设置、排查顺序四段讲，给的是判断标准和可执行动作，具体数值到站内模型库与训练页面核对当时的资料。

很多人第一次做图像识别，卡在两件事上：一是搞不清训练和测试到底谁管什么，把测试集当训练集反复调，结果离线指标好看、上线就崩；二是 epoch 拍脑袋定，要么欠拟合没学够，要么跑飞了过拟合自己还看不出来。这篇按分工、数据划分、epoch 设置、排查顺序四段讲，给的是判断标准和可执行动作。

先记住一句话：训练和测试不是二选一，是两个方向相反的活儿。一个要把数据榨干，一个要假装没见过这份数据。搞混了，后面花再多时间调参也是在给自己发假奖状。具体到某个模型、某种任务该参考什么口径，到站内模型库与训练相关页面核对当时的资料，不要照着别人博客里的数字抄。

训练和测试不是二选一，是分工不同

训练阶段的唯一目标是让模型在已有数据上把参数学好，损失降下去；测试阶段的目标正好相反，是判断这套参数换到没见过的数据上还灵不灵。所以训练时可以尽量拟合，测试时必须保持「我没参与过调参」的干净身份。一旦把测试集拿去反复调参，它就已经变成验证集甚至训练集了，这时候指标再漂亮也只说明模型记住了这批数据，不代表真实泛化。

数据怎么分、三类集合各管什么

训练集调参数，验证集做选择，测试集只在最后用一次、出报告用。划分比例没有万能值，样本少的时候，分层抽样比按固定比例切更靠谱：先保证每个类别在三个集合里都出现过，再谈每边放多少。图像任务还有个隐蔽的坑，同一张原图裁出来的图、翻转出来的副本，不能一半在训练侧一半在测试侧，那等于把答案提前泄给模型。

• 先按类别分层，再随机切，避免某一类在测试集里一个样本都没有
• 同一张原图的所有增强副本，必须整组留在同一个集合里
• 划分脚本要固定随机种子，不然每次重跑划分都变，实验没法比
• 切完之后打印一遍各类样本数，数不对就重切，别急着开训
• 如果数据来源分批次（不同设备、不同时间段），按批次留一份测试集更接近真实场景

还有一点常被忽略：验证集和测试集的分布要尽量贴近线上会遇到的数据。如果测试集全是棚拍图、线上全是手机随手拍，那验证指标再稳也说明不了问题。具体到某个数据集该怎么切，站内指南中心有相关整理，可以对着当时的口径核一遍。

epoch 怎么定：先看曲线，再谈次数

别问「跑多少轮够」，要问「这轮之后验证指标还在涨吗」。典型信号是训练损失继续降、验证损失开始抬头，那就已经进过拟合区了。常用做法是先把上限设得偏大，同时挂上早停、保存验证最优权重，让训练自己停下来，而不是人盯着日志拍数字。轮数本身不是目标，泛化才是。

早停

验证指标连续若干轮不再提升就停，停的轮数要跟样本量匹配，别设得太短就误判

最优权重保存

只保留验证表现最好的那一版，最后交付用它，而不是用最后一轮的

学习率调度

后期降学习率常能让曲线再压一段，但调了它，epoch 的合适区间也会跟着变

1. 先用偏大的轮数上限试跑把上限设成你预估的明显偏大值，只看曲线走向，别急着下结论
2. 看两条损失的开口训练损失继续降、验证损失抬头即过拟合；两条都平、都不降即欠拟合或学习率有问题
3. 按信号决定加还是减欠拟合就加轮数或加模型容量；过拟合就减轮数、加增强、加正则
4. 记住不适用的场景验证集太小、或和线上分布差太远时，早停挑出的轮数也可能骗你，得另设一批贴近线上的数据复核

小数据集、图像增强用得重的时候，同样轮数下模型能学到的信息更多，这时候可以适当减少轮数；数据量大、增强弱则可以多跑一些。这些都是方向判断，具体数量级到站内模型库和训练相关页面核对当时的资料更稳妥。

训练不收敛或指标虚高的排查顺序

排查有固定顺序：先查数据标注和划分，再查学习率这类超参，最后才怀疑模型结构。顺序反了，你会在结构上折腾很久，结果问题出在几张标错的图上。每次只改一个变量，并留记录，否则最后说不清是哪一步起了作用。

如果验证指标一直不错但总觉得不踏实，可以换个更接近线上分布的小批量数据再验一次，这一步比继续调参更能暴露问题。各家的评测口径和训练资料经常更新，动手前到站内测评与训练相关页面核对当时的口径，别用旧结论套新任务。