我有一个用于多类图像分类的图像数据集，包括训练和测试图像。我在训练数据上训练并保存了我的模型（为.h5文件），使用了80-20%的训练-验证分割比例。
现在，我想对测试图像进行类别预测。
哪种选项更好？这种情况总是如此吗？
- 使用已训练的模型直接对“测试图像”进行预测。
- 在整个训练数据上（即包括20%的验证图像）重新训练保存的模型，然后对测试图像进行预测。但在这种情况下，将没有验证数据，那么模型如何确保在训练期间保持损失最小？
回答：
如果你已经正确地训练了模型，就不需要重新训练。（除非你正在进行特定类型的迁移学习）。测试数据的整个目的是用作测试案例，以查看你的模型在未见过的数据上表现如何。
