python - 在 Keras 中拟合模型时，批量大小和轮数应该是多少？

Question

我正在使用 107850 个样本训练模型并在 26963 个样本上进行验证。

在 Keras 中拟合模型以优化验证准确性时，批量大小和轮次数应该是多少？是否有基于数据输入大小的经验法则可供使用？如果增加 epoch 的数量，模型是否会过度拟合？

谢谢。

Answer 1

不!它们并不是选择数据批量大小的任何经验法则。这是更好的准确性和时间之间的权衡。因此，我们必须采用能够快速处理数据并提供良好准确性的批量大小。现在，当您采用太大的批量大小时会发生什么。实际上，在每批之后，您的模型都会更新其所有权重。大批量的误差比根据误差你的模型会调整权重。现在，处理大量批处理并更新权重后，比处理较小批处理并在每个批处理后更新权重所需的时间更少。但是，当您采用小批量时，您的模型将在每个批处理后更新权重即(16,32,64)等，无论您想要什么，您的模型都将能够更准确地学习您的数据，但这需要时间在每批后更新所有权重。

现在根据研究论文，大多数研究人员使用批量大小(16,32,64)可能是研究人员使用更大的批量大小，但我还没有看到。希望我的回答对您有所帮助。

如果您希望优化 epoch 的数量，请使用神经网络的回调，如果您的模型没有学习超过 4 或 5 个 epoch，则神经网络将自动停止学习，具体取决于您。