Machine learning 如何在caffe中使用iter_尺寸_Machine Learning_Neural Network_Deep Learning_Caffe_Gradient Descent

Machine learning 如何在caffe中使用iter_尺寸

machine-learning neural-network deep-learning

Machine learning 如何在caffe中使用iter_尺寸,machine-learning,neural-network,deep-learning,caffe,gradient-descent,Machine Learning,Neural Network,Deep Learning,Caffe,Gradient Descent,我不知道caffe solver中的'iter\u size'的确切含义，尽管我在谷歌上搜索了很多我可否这样理解：如果设置bach_大小=10，iter_大小=10，其行为与批量大小=100 但我对此做了两个测试：样本总数=6。批次尺寸=6，iter尺寸=1，培训样品和测试样品相同。损失和精度图：样本总数=6。批次尺寸=1，iter尺寸=6，培训样品和测试样品相同从这两个测试中，您可以看到它的行为非常不同所以我误解了“iter\u size”的真正含义。但是如何才能使梯度下降的

我不知道

caffe solver

中的

'iter\u size'

的确切含义，尽管我在谷歌上搜索了很多

我可否这样理解：

如果设置bach_大小=10，iter_大小=10，其行为与批量大小=100

但我对此做了两个测试：

样本总数=6。批次尺寸=6，iter尺寸=1，培训样品和测试样品相同。损失和精度图：

样本总数=6。批次尺寸=1，iter尺寸=6，培训样品和测试样品相同

从这两个测试中，您可以看到它的行为非常不同

所以我误解了“iter\u size”的真正含义。但是如何才能使梯度下降的行为与所有样本相同，而不是小批量

谁能帮我一下吗？

问得好。我怀疑

iter_size

可能只用于培训，而不用于测试。你能用

批量大小：1

和

iter\u大小：6

重复第二个实验吗？只用于培训，留下

批量大小：6

进行测试？我希望列车测试图在此更改后一致。抱歉，没有澄清测试阶段的参数。对于所有两个实验，在测试阶段，批次_大小为6，测试_iter为1。第二个实验刚刚进行，批次_大小为1，iter_大小为6。所以我希望这两个实验应该输出相同的损失和准确性，但我有点失望lot@Shai