分批(Batches) 和 周期(Epochs)
在使用训练集训练神经网络的时候,相比于一次将所有的样本全部输入到网络中,一个更好的选择是:先将数据随机地分为几个大小一致的数据块,再分批次输入。跟一次性训练出来的模型相比,分批训练能够使模型的适用性更好。
一个Epoch表示,对所有的Batch都进行了一次训练。
成本函数
名称比较多,还可以称为损失函数,目标函数等。在训练神经网络的过程中,希望输出的结果尽可能的接近真实的值,使用成本函数来描述训练后的输出结果和真实结果的相近程度。成本函数的值越小,表示神经网络的输出越接近真实值,所以神经网络的训练也就是最小化成本函数的过程。
常用的成本函数有:
神经网络相关
最新推荐文章于 2024-10-04 18:56:49 发布
在神经网络训练中,分批(Batches)和周期(Epochs)是优化模型的重要策略。分批训练有助于提高模型泛化能力,一个Epoch指对所有数据遍历一次。成本函数,又称损失函数,用于衡量预测值与真实值的差距,训练过程即最小化成本函数。常见的成本函数包括:均方误差、交叉熵等。
摘要由CSDN通过智能技术生成