关于神经网络模型的疑问

问题:

神经网络模型，因为其随机性，每次训练出来的结果中准确度不太一样。想请问下：

1. 每次训练的准确度会相差很多么？ 我自己试过几次，貌似不会很大。但是个人经验不足，不敢确认；
2. 假使准确度相差较大，而当前的模型训练完毕后，发现此时的准确度较高。那保存该模型后，准确率就能和测试集的准确率基本一致？
3. 神经网络模型属于生成法还是判别法模型？
4. 神经网络需要设置超参，那是否有必要将数据分成三份---训练集、验证集、测试集？还是说，只有在交叉验证的条件下，才需要这样切分数据？
5. 顺便问下，这个数据集到底要怎么切分法？我问过人，据说常规情况下，大部分模型都是需要设置超参的。而设置超参的话，就必须切分出验证集（该验证集用于超参的训练）。那按照这种说法，不是数据集就是要分成三份才是合理的么？可是实际上，我经常看到的，也都是分成两份而已啊？

回答1:

关于第5个问题，我也一直没想明白，不过我刚才抽烟的时候突然想明白了，不一定正确：

假设你是项目经理，我是码农，小丽是测试。你拿到一堆样本，想要得到一个模型，于是你把样本分成2份：一份发给我用来训练模型，一份发给小丽，用来测试我训练的模型。

我拿到数据后又分成2份，一份是训练集，就是用来训练模型的，一份是验证集，就是我用来验证模型参数是否达到要求的（实际上有时候不是明确的分成两份，也可能是我训练10次模型，每次都把你给我的那份数据按照某种策略分成两份，会有重复使用的情况，这是另一个问题了）。等我把模型交给小丽，小丽会用你给她那份数据测试正确率等，这份数据就是测试集。

也就是说程序员通常只关心训练集和验证集，而测试人员只关心测试集。所以你经常看到只分两份，因为你看到的都是码农。

可能通常码农不会用到测试集，验证就当测试了，合二为一了。