它不必是相同的功能，通常不是。

验证集的重点是衡量我们的模型实际表现如何。仅当我们根据对我们有价值的指标来衡量它时，这才有用。例如，在分类中，没有人关心哪个模型的交叉熵最小，而是哪个模型的准确率最高，从业务角度来看，这更有意义。

我想对您最初的陈述做出与问题本身无关的澄清。

我被告知，对于训练中的每个 epoch，我们执行一个训练阶段，然后是一个验证阶段，我们决定新的参数集是否优于当前的最佳参数。这种参数选择是使用我们用于训练的相同损失函数完成的，但应用于验证数据而不是训练数据。

这是不正确的！从技术上讲，一个时期是模型已经看到一次训练数据集的时间点。在 epoch 结束后，我们通常会通过验证集来衡量我们的模型实际表现如何。但是，在这一步没有执行超参数调整，因为模型还没有完全训练。一个模型通常需要多个 epoch 来训练，之后我们可以更改超参数并重新开始。在一个 epoch 结束时，我们可能对超参数做出的唯一改变就是计划的学习率降低。