Angenommen, wir haben Trainingseinheiten mit 500.000 Einheiten, ist es dann wichtig, ob wir das Modell für ein Objekt oder für ein Objekt gleichzeitig trainieren?Ist die Größe der Trainingsdaten für eine Epoche Materie in Tensorflow?
Anbetracht inputTrainingData
und outputTrainingData
seine [[]]
und train_step
jeder generischer tensorflow Trainingsschritt sein.
Option 1 Zug ein Element zu einem Zeitpunkt -
for i in range(len(inputTrainingData)):
train_step.run(feed_dict={x: [inputTrainingData[i]], y: [outputTrainingData[i]], keep_prob: .60}, session= sess)
Option 2 Zug auf alle auf einmal -
train_step.run(feed_dict={x: inputTrainingData, y: outputTrainingData, keep_prob: .60}, session= sess)
Gibt es einen Unterschied zwischen den Optionen 1 und 2 als wie ist die Qualität der Ausbildung betroffen?
es normalerweise verwendet, weil es wenige Speicher und Ausbildung verwendet, kann schneller sein als auch durch häufiges Gewicht Updates .Qualitätsmäßig sollte es nicht viel ausmachen, aber sehr kleine Chargen können zu weniger genauen Vorhersagen führen. – umutto
Sie könnten auf Chargen der Größe 100 trainieren. – CrisH
@umutto Danke. 'sehr kleine Chargen weniger genau '- also, Batch-Größe von 1 kann signifikante Änderungen im Training machen? – Achilles