06. 训练一个神经网络1-- epoch,batch_size,iteration

本文介绍了神经网络训练中的关键概念:epoch、batch_size和iteration。epoch是指整个数据集进行一次前向和反向传播,batch_size是每个批次的样本数量,而iteration是完成一个epoch所需的批次数。讨论了如何根据数据量确定batch_size,并指出在大量样本时通常使用mini-batch梯度下降,batch_size常选64、128、256或512。
摘要由CSDN通过智能技术生成
  • batch_size, iteration, epoch

1. 训练数据集的喂入:batch_size, iteration, epoch

1.1. 首先需要先了解下梯度下降

gradient_descent.gif

梯度下降是一种迭代优化算法,用于寻找最佳结果,loss的最小值。

迭代意味着我们需要多次得到结果才能得到最优的结果。 梯度下降的迭代质量有助于拟合图形使图形最适合数据。

左图中我们可以看到步长(又称学习率)越来越小,也就是学习率衰减啦.并且参数p沿着梯度减小的方向变化,loss或者cost越来越小~
右图中我们可以看到曲线对数据的拟合效果越来越好~~在神经网络中可以看作参数构成的前向传播的函数~

在梯度下降中,需要将数据与参数结合,计算得到loss.然后我们要让loss沿着梯度下降的方向逐渐减小. 从而这样反向推导参数dW,db应该如何变化~
但是当数据量很大时,数据不能一次性传递给计算机进行计算,这样就需要epoch, batch_size, iteration这样的术语了~

epoch:

One Epoch is when an ENTIRE dataset is passed forward and backward through the neural network only ONCE.

epoch是整个数据集完成一次前向和反向传播.

因为数据集太大,一次性传递给计算机需要太大计算量,所以将数据集divide成很多batch.

那么我们需要多少次epoch呢?这个没有准确的答案,这个跟数据有关系~

batch_size

整个数据集被分成很多batch,一个batch的样本数量就是batch_s

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值