Deep learning 批次数和历元数_Deep Learning_Neural Network_Conv Neural Network_Batchsize

Deep learning 批次数和历元数

deep-learning neural-network

Deep learning 批次数和历元数,deep-learning,neural-network,conv-neural-network,batchsize,Deep Learning,Neural Network,Conv Neural Network,Batchsize,我一直在努力理解历元和批量大小的概念。您可以在下面看到我的CNN的培训结果： Epoch 160/170 32/32 [==============================] - 90s 3s/step - loss: 0.5461 - accuracy: 0.8200 - val_loss: 0.6561 - val_accuracy: 0.7882 Epoch 161/170 32/32 [==============================] - 92s 3s/step -

我一直在努力理解历元和批量大小的概念。您可以在下面看到我的CNN的培训结果：

Epoch 160/170
32/32 [==============================] - 90s 3s/step - loss: 0.5461 - accuracy: 0.8200 - val_loss: 0.6561 - val_accuracy: 0.7882
Epoch 161/170
32/32 [==============================] - 92s 3s/step - loss: 0.5057 - accuracy: 0.8356 - val_loss: 0.62020 - val_accuracy: 0.7882
Epoch 162/170
32/32 [==============================] - 90s 3s/step - loss: 0.5178 - accuracy: 0.8521 - val_loss: 0.6652 - val_accuracy: 0.7774
Epoch 163/170
32/32 [==============================] - 94s 3s/step - loss: 0.5377 - accuracy: 0.8418 - val_loss: 0.6733 - val_accuracy: 0.7822

因此，共有163个epoche，具有32个批量大小。由于batch size是每个历元的样本数，因此有163*32=5216个样本，但数据集中只有3459个样本。那么，当数据集不正确时，它是否开始从数据集的开头拍摄图像呢？

batch size是您输入到模型的每个迭代的样本数。
例如，如果您有一个具有10000个样本的数据集，并且您使用的批大小为100，则需要
10000/100=100
迭代才能达到一个新纪元
您在日志中看到的是纪元数和迭代次数。

Epoch 160/170
表示您当前正在运行总共170个Epoch中的Epoch 160。你的每个时代需要32次迭代
知道您的样品只有3459个，每个批次大小将为3459/32=108。
您应该已经知道设置了什么批次大小，但这也应该会给出答案
至于如何构建批次，这取决于实现情况，有些只是不使用不构成完整批次的项目，有些使用较小的批次（剩余的部分将生成一个批次），有些则合并以前迭代的图像以弥补缺少的计数。
批次大小不是每个历元的样本数；请更新您的问题，以包括您的
批量大小设置。与此同时，请参见