设置批次大小 *和 *神经网络的训练迭代次数

Question

我正在使用knime doc2vec学习者节点来构建单词嵌入。我知道doc2vec的工作原理。在knime中，我可以选择设置参数

• 批次大小：每批使用的单词数。
• 时期数：训练的时期数量。
• 培训迭代次数：每批完成的更新数。

来自神经网络，我知道(懒惰从https://stats.stackexchange.com/questions/153531/what-is-batch-size-in-nearer-network(：

• 一个 epoch =一个向前传球和一个的向后传球 训练示例
• 批次大小 =一个前向/向后传球中训练示例的数量。批处理大小越高，您需要的内存空间就越多。
• 迭代的数量 =通过[批量大小]示例数的每个通过数。需要明确的是，一通=一个前传 一个向后传球(我们不计算两个不同的通行

据我所知，设置批处理大小和迭代毫无意义，因为一个是由另一个确定的(给定数据大小，这是由情况给出的(。那么为什么我可以更改两个参数？

Answer 1

不一定是这种情况。您也可以训练"半个时代"。例如，在Google的InceptionV3预处理脚本中，您通常会设置迭代编号和批处理大小。这可能会导致"部分时期"，这可以很好。

如果是一个好主意，或者不训练半个时期可能取决于您的数据。有一个线程，但不是一个结论的答案。

我不熟悉knime doc2vec，所以我不确定那里的含义是否有些不同。但是，从您给出的定义来看，设置批量尺寸 迭代似乎很好。同样，设置时期数可能会引起冲突，尽管导致数字不累加到合理组合的情况。