假設我們有500k項目的訓練數據,如果我們一次一個訓練模型或者一次訓練一個項目,或者一次訓練一個項目,這有什麼關係嗎?張量流中的時代問題的訓練數據的大小?
考慮到inputTrainingData
和outputTrainingData
爲[[]]
和train_step
是任何通用張量流訓練步驟。
選項1個火車一次一個項目 -
for i in range(len(inputTrainingData)):
train_step.run(feed_dict={x: [inputTrainingData[i]], y: [outputTrainingData[i]], keep_prob: .60}, session= sess)
選項2列車上一次全部 -
train_step.run(feed_dict={x: inputTrainingData, y: outputTrainingData, keep_prob: .60}, session= sess)
有作爲選項1和2之間的任何差別以上就培訓質量而言呢?
它通常是由於頻繁的更新權重使用,因爲它使用較少的內存和培訓可以更快,以及。質量明智的應該沒什麼關係,但是非常小的批次可能會導致不太準確的預測。 – umutto
你可以批量的100號培訓。 – CrisH
@umutto謝謝。 「批量很小,準確性較低」 - 因此,1批量可以在培訓中做出重大改變? – Achilles