更安全的方法是使用分数的整数部分（截断后）$n_c \approx n^{3 \over 4}$训练示例，以及$n_v \equiv n - n_c$用于验证（又名测试）。如果您正在进行交叉验证，您至少可以执行整个训练测试拆分$n$次（最好$2n$如果你负担得起），在每个交叉验证“折叠”（复制）结束时记录平均验证损失，这就是 tensorflow 记录的内容；有关如何捕获它的信息，请参见此答案）。当使用蒙特卡罗交叉验证 (MCCV) 时，对于每个$n$（或者$2n$如果资源限制允许）复制，可以随机选择（无需替换以使事情更简单）$n_c$用于训练的示例并使用剩余的$n_v$用于验证的示例，甚至没有对子集进行分层（例如，如果您正在进行分类，则基于类）。

这是基于 J. Shao 于 1993 年发表的一篇论文（在此处查看我的答案以获取更多信息），他在该论文中证明了$n_c \approx n^{3 \over 4}$是线性模型选择的最佳选择。那时，机器学习之类的非线性模型（有关此问题的另一个讨论，请参阅此答案）并不那么流行，但据我所知（希望被证明是错误的）没有人花时间证明任何事情与今天流行的类似，所以这是我现在能给你的最好答案。

更新：知道 GPU 在输入批量大小为 2 的幂时工作效率最高，我计算了将数据拆分为训练和验证的不同方法，这将遵循 Jun Shao 制定训练集大小的策略$n_c \approx n^{\frac{3}{4}}$并且两者都$n_c$和$n_v \equiv n - n_c$接近二的幂。一个有趣的注释是，对于$n = 640$,$n_c \approx 127$因此$n_v \approx 513$; 因为$127 \approx 2^7$和$513 \approx 2^9$每当我生成模拟数据时，我计划继续使用这些作为我的训练和验证测试大小。

处理文本时是常见的做法吗？

不，您可以根据需要拆分数据集，通常在实际问题中您应该使用交叉验证。

它与使用“预训练”的 TensorFlow Hub 层有什么关系吗？

不，它没有。