我正在研究一個回歸模型，該模型每小時有50個資料點。我很難決定批量大小和時間步長之間的區別。根據我的理解，批量大小是用來決定我們在進行預測之前要考慮多少個資料點。這個值越大，模型收斂的時間就越長。如果是這樣的話，我就清楚批處理的定義了。那么，如果我的模型花費的時間不是很長，我可以只使用最大的嗎？該最大值是否就是測驗資料量？
時間段如何？
那么時間段如何呢？對于一個你每分鐘測量溫度直到30小時的模型來說，時間步長是多少？ 如果有了解RNN回歸的人能夠解答我的疑惑，我將不勝感激。
uj5u.com熱心網友回復：
給定 :
import numpy as np
x = np.array([[1], [0], [1]])
print(x.shape)
輸出：
(1, 3, 1)
這是對m樣本s時間步數的測量，每個時間步數有e的測量。
(m, s, e)
在任何情況下，資料點的數量是陣列的大小，所以：
每個樣本的資料點數量： 每個樣本的資料點數量： 如果你在一小時內每秒鐘對一個樣本進行溫度測量。
如果你測量比方說溫度和濕度。
假設你同時對2個樣本（在A和B處）進行測量。
(m, s, e)
m * s * e
s * e
s * e
(1, 3600, 1)
(1, 3600, 2)
(2, 3600, 2)
批量大小是完全不相關的。
對于每個epoch，它只是意味著你想一次運行多少個樣本。例如，對于100個樣本，批次大小為50，你在每個epoch有兩個權重更新。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/329805.html
標籤：
上一篇：Golang繼承-不能使用(typefunc(dDog))作為型別func(animalAnimal)
下一篇：如何用硬接線功能進行測驗