我正在开发一个研究神经网络的程序，现在我已经了解了将数据集划分为3组(训练、验证和测试)的区别(我想)。我的网络可能只有一个输出，也可能有多个输出，这取决于数据集和问题。学习算法是反向传播。
所以，问题基本上是我对每个错误和计算方法都感到困惑
哪一个是训练错误？如果我想使用MSE是(期望的输出)^2？但是，如果我的网络有2个或更多输出，训练误差将是所有输出的总和，会发生什么？
那么，验证错误只是使用验证数据集来计算输出，并将获得的结果与期望的结果进行比较，这会给我一个错误，它的计算方式与训练错误相同吗？并且具有多个输出？
最后，还不完全清楚的是，验证应该在什么时候运行？在某个地方，我读到它可能是每5个时代一次，但是，这有什么规则吗？
感谢提前的时间！
对于多个输出神经元，为了计算训练误差，在每个epoch/迭代中，您获取每个输出值，得到该神经元与目标值的差值。平方它，对其他输出神经元做同样的操作，然后得到平均值。例如，有两个输出神经元，
MSE=(|op1-targ1|^2+|op2-targ2|^2)/2
训练、验证和测试误差的计算方法相同。不同之处在于它们的运行时间和使用方式
通常在每个训练时期检查完整的验证集。也许为了加快计算速度，你可以每5次运行一次。
验证测试/检查的结果不用于更新权重，只用于决定何时退出训练。它用于决定网络是否对数据进行了泛化，而不是过度拟合。
检查这个问题的第一个答案中的伪代码
在神经网络中，训练、验证和测试集之间的区别是什么？