Validation_data和Validation_split

Question

所以我有一个GRU模型来预测输出功率。对于培训数据，我有一个csv文件，该文件包含2018年的数据，而对于我的测试数据，它是一个不同的csv文件，包含2019年的数据。

我只想提一些简短的问题。

由于我使用了两个不同的csv文件--一个用于测试，另一个用于培训，所以我不需要train_test_split

• When --

1. ，我真的不知道Validation_data和Validation_split之间的区别，我应该使用哪一个？

我分别测试了这3行，第2行和第3行给出了相同的精确结果，而第1行给出了更低的val_loss。

谢谢。

history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])  
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), verbose=1, callbacks=[TensorBoardColabCallback(tbc)])
history=model.fit(X_train, y_train, batch_size=256, epochs=25, validation_data=(X_test, y_test), validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc)])

Answer 1

1. 你可以做你想做的事，是的，你可以用一个文件来训练和一个来验证。但是您也可以将它们合并，然后使用train_test_split (如果您愿意)。但是，我建议您将它们合并，因为您有来自不同时间段的数据，可能有differences.
2. Using validation_data表示您自己正在提供培训集和验证集，而使用validation_split则意味着您只提供一个培训集，而keras将其拆分为一个培训集和一个验证集(验证集是培训集大小的validation_split倍)

。