我在堆栈溢出时问了这个问题，并被告知这是一个更好的地方。

我对验证和测试这两个术语感到困惑，验证模型是否与测试模型相同？是否可以使用测试数据进行验证？

更让我困惑的是何时使用验证？这是模型的必要步骤吗？是否可以进行验证而不是测试？

训练数据也可以与验证数据相同吗？

您还可以判断此代码​​是否进行测试吗？这真的让我很困惑

model.fit_generator(
    training_gen(1000,25),
    steps_per_epoch=50,
    epochs=10000,
    validation_data=validation_gen(1000, 25),
    validation_steps=1,
    callbacks=[checkpoint],
    verbose=2)

model.load_weights('./temp_trained_25.h5')
BER = []
for SNR in range(5, 30, 5):
    y = model.evaluate(
        validation_gen(10000, SNR),
        steps=1
    )
    BER.append(y[1])
    print(y)
print(BER)

注意 training_gen 和 validation_gen 是：

def training_gen(bs, SNRdb = 20):
    while True:
        index = np.random.choice(np.arange(train_size), size=bs)
        H_total = channel_train[index]
        input_samples = []
        input_labels = []
        for H in H_total:
            bits = np.random.binomial(n=1, p=0.5, size=(payloadBits_per_OFDM,))
            signal_output, para = ofdm_simulate(bits, H, SNRdb)
            input_labels.append(bits[0:16])
            input_samples.append(signal_output)
        yield (np.asarray(input_samples), np.asarray(input_labels))


def validation_gen(bs, SNRdb = 20):
    while True:
        index = np.random.choice(np.arange(train_size), size=bs)
        H_total = channel_train[index]
        input_samples = []
        input_labels = []
        for H in H_total:
            bits = np.random.binomial(n=1, p=0.5, size=(payloadBits_per_OFDM,))
            signal_output, para = ofdm_simulate(bits, H, SNRdb)
            input_labels.append(bits[0:16])
            input_samples.append(signal_output)
        yield (np.asarray(input_samples), np.asarray(input_labels))

我对深度学习很陌生，似乎一切都让我感到困惑，如果我的问题看起来很垃圾和不合理，请抱歉，但如果你能帮助我弄清楚这种困惑，我将不胜感激。

提前致谢！