即使用验证集调超参数，可能还是会去看测试集的性能，如果测试集性能不好，还是要反复调验证集参数，那么不就相当于还是在用测试集调超参数？

这种担忧是合理的。如果在调整验证集上的超参数后，仍然反复检查测试集性能，并基于测试集性能进行调整，那么确实存在间接使用测试集调整超参数的风险。这可能导致过拟合和泛化性能下降。

为了避免这种情况，可以采用以下策略：

1. 仅在验证集上进行超参数调整。当调整超参数时，只关注验证集的性能。当您确定找到了最佳超参数后，再使用测试集进行最终性能评估。

2. 在调整超参数时，尽量减少查看测试集性能的次数。这样可以减少在调整过程中泄露测试集信息的风险。

3. 使用交叉验证来评估超参数。通过使用交叉验证（如k-折交叉验证），您可以获得更稳定的性能估计。这有助于减少反复调整超参数的需要。

4. 在模型训练和调优过程中，确保使用不同的随机种子，以减少过拟合的风险。

5. 在模型训练和调优过程中，可以考虑使用正则化技术（如L1和L2正则化），以减少过拟合的风险。

关键是要在调整过程中保持测试集的独立性。只有在确定了最佳超参数后，才使用测试集进行最终评估。这样可以确保获得对模型泛化能力的准确估计，同时减少过拟合的风险。