Я изучаю TensorFlow (а также общее глубокое обучение). Мне интересно, когда нам нужно сломать входные данные обучения в партии? И как определить размер партии? Есть ли правило? Благодаря!TensorFlow: как определить, хотим ли мы разорвать набор учебных материалов на партии
ответ
Алгоритмы общего обучения на GPU, которые имеют ограниченную память, и поэтому ограниченное количество выборок входных данных (в алгоритме, обычно определяемом как размер партии) может быть загружено за раз.
В целом больший размер партии уменьшает общее время вычисления (поскольку умножения внутренней матрицы выполняются параллельным образом в графическом процессоре, таким образом, с большими размерами партии время сохраняется в градиентах чтения/записи и, возможно, в некоторых других выводах) ,
Другая возможная польза от большого размера партии является: В задачах классификации несколько классов, если число классов велико, больше размер партии делает алгоритм обобщать лучше (технически избежать чрезмерной подгонки) по различным классам (при этом стандартным методом является сохранение равномерного распределения классов в партии).
При определении размера партии существуют и другие факторы, которые входят в игру: скорость обучения и тип метода оптимизации.
Надеюсь, это ответ на ваш вопрос в определенной степени!
- 1. Псевдокод из некоторых учебных материалов MIT
- 2. Могу ли я добавить весы образца к набору учебных материалов?
- 3. WEKA на большом наборе учебных материалов (код java)
- 4. Как сбалансировать набор учебных материалов, который имеет очень большое количество выборок для определенного класса?
- 5. Как определить функцию взвешенных потерь в TensorFlow?
- 6. Оценка модели Tensorflow основана на размере партии
- 7. Как определить, все ли мои партии последовательны?
- 8. Переопределение с нормализацией партии [tensorflow]?
- 9. Tensorflow - повторное использование состояния LSTM внутри партии
- 10. Tensorflow трудный размер партии загрузки
- 11. Tensorflow Как применить нормализацию партии к выходу
- 12. Как указать устройство, на которое мы хотим отправлять сообщения
- 13. Java-аналог учебных материалов для доступа к данным ASP.NET
- 14. Достаточно ли такого набора учебных материалов для обучения и тестирования модели классификации?
- 15. Как разорвать на __NSAutoreleaseNoPool
- 16. Искры: Нормализация/Тест на стабилизацию с использованием статистики набора учебных материалов
- 17. Мы хотим показать изображение с уведомлением Нажимаем
- 18. Мы хотим поддерживать интернационализацию в cakephp
- 19. Tensorflow - Как пакетный набор данных
- 20. Мы хотим нарисовать линию на максимальном значении на диаграмме
- 21. datatable выберите столбцы, которые мы хотим динамически
- 22. Фильтрация сустава, который мы хотим нарисовать
- 23. Как определить партии в R случайных величин
- 24. Мы хотим проверить, загружено ли видео в JW CMS
- 25. nservicebus отписаться, когда мы хотим его подписаться
- 26. Функции TensorFlow «tf.image» в партии 4D-изображения
- 27. Как мы достигаем этого интерфейса дизайна материалов?
- 28. Почему мы хотим передать класс функции
- 29. Как повторяются партии в примере PTT LSTM Tensorflow?
- 30. Как определить, соответствует ли набор строк форме