在Keras中拟合模型时，批量大小和时期数应为多少？

Question

我正在用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，批次大小和时期数应为多少？ 是否有基于数据输入大小的经验法则？ 如果时期数增加，是否适合模型？

谢谢。

Answer 1

没有！ 选择数据的批量大小并非凭经验。 在更好的准确性和时间之间进行权衡。 因此，我们必须采用可快速处理数据并提供良好准确性的批处理大小。 现在，如果批量太大，会发生什么情况。 实际上，每批处理之后，您的模型都会更新其所有权重。 大批处理量大的错误比根据您的模型的错误会调整重量。 现在，在处理大量批次并更新权重之后，与花费较小批次并在每个批次后更新权重相比，所需的时间更少。 但是，当您批量较小时，模型将在每批之后更新权重，例如（16,32,64）等，您想要的模型比模型将能够更准确地学习数据，但是每次更新所有权重都需要时间批量。

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较大的批量大小，但我还没有看到。 希望答案对您有所帮助。

如果您希望优化时期的数量，请为您的神经网络使用回调，如果您的模型学习的时间不超过4或5个时期，您的神经网络将自动停止学习。