如何在Keras中为无限数据集设置批量大小和历元值？
我想给Keras CNN提供图像。该程序随机提供从网络下载的图像或随机像素值的图像。如何设置批次大小和历元编号？我的训练数据本质上是无限的。即使数据集是无限的，也必须同时设置批量大小和纪元数 对于批量大小，您可以通过反复试验，使用适合您的GPU/CPU RAM的最大批量大小。例如，您可以尝试两种批量大小（如32、64、128、256）的威力如何在Keras中为无限数据集设置批量大小和历元值？,keras,Keras,我想给Keras CNN提供图像。该程序随机提供从网络下载的图像或随机像素值的图像。如何设置批次大小和历元编号？我的训练数据本质上是无限的。即使数据集是无限的，也必须同时设置批量大小和纪元数 对于批量大小，您可以通过反复试验，使用适合您的GPU/CPU RAM的最大批量大小。例如，您可以尝试两种批量大小（如32、64、128、256）的威力 对于历元数，这是一个必须针对特定问题进行调整的参数。您可以使用验证集进行训练，直到验证损失最大化，或者训练损失几乎恒定（收敛）。确保使用数据集的不同部分来决
对于历元数，这是一个必须针对特定问题进行调整的参数。您可以使用验证集进行训练，直到验证损失最大化，或者训练损失几乎恒定（收敛）。确保使用数据集的不同部分来决定何时停止培训。然后，您可以报告另一个不同集合（测试集合）的最终度量。这是因为实现是矢量化的，以实现更快、更高效的执行。当数据较大时，所有的数据都无法容纳内存&因此我们使用批处理大小来获得一些矢量化。
在我看来，一个人应该使用尽可能大的批量大小。也许我的问题应该是，为什么批量和历元大小需要大于1。根据我的需要，我可以通过编程抛硬币，或者从网络上加载图像，或者动态生成一个随机像素场。我不明白有必要收集，比如说，64幅图像到内存中，然后将它们输入。我仍然在一次一个地给他们提供信息。@user3825715它可以稳定训练，因为梯度非常嘈杂，每批只有一个示例。@MatiasValdenegro我认为OP的评论问题仍然有效，尽管是关于时代的。如果您有无限的数据，为什么要设置历元数呢？因为数据从不循环。如果有无限的数据，epochs=1不是很好吗？