Neural network DifferenceQflux.sciml_如何训练Julia中的神经ODE？

我有一个关于Julia如何训练神经网络的普遍问题。是否从定义了Nural ODE的tspan中采样数据点，并在其上计算参数更新？换句话说，在训练期间是否发生了一些混洗和批处理，或者是否在tspan中的所有数据点上计算了损失？

根据最小化损失函数优化参数。因此，由您定义采样如何在损失函数中发生。通常情况下，可以将输出与离散数据点进行比较，在这种情况下，这些数据点将成为离散点

---

但纽鲁洛德不会处理这件事，你会的。损失函数

参数根据损失函数最小化进行优化。因此，由您定义采样如何在损失函数中发生。通常情况下，可以将输出与离散数据点进行比较，在这种情况下，这些数据点将成为离散点

---

但纽鲁洛德不会处理这件事，你会的。这是损失函数

我找到了朱莉娅在这里做什么的答案：

---

我认为要进行批处理，需要对数据点进行采样，然后在循环中对其运行Flux.train，并将批处理数据点作为输入

我找到了朱莉娅在这里做什么的答案：

---

我认为要进行批处理，需要对数据点进行采样，然后在循环中对其运行Flux.train，并将批处理数据点作为输入

我不同意这一点。损耗函数仅用于测量网络的性能w.r.t.到当前参数设置，该设置将用于计算这些参数的梯度和更新。通量，火车！这是培训逻辑应该定义的地方，目前由Julia处理。我找到了Julia在这里做什么的答案：。我认为，要进行批处理，需要对数据点进行采样，然后在循环中对其运行Flux.train。@SimonAda，我认为您可能混淆了这里的术语。neuralODE可以有批量数据训练输入，通常是不同初始条件的列表，但输出将是每个初始条件的时间序列。但是通量本身并没有得到这个返回值。这是由损失函数处理的。损失函数如何选择计算损失（例如，在离散时间点或以不同方式对NeuralODE返回对象进行采样）完全取决于损失函数。通量得到的只是整个批次中损失总和的标量值。一批是你的离散输入。我不同意这一点。损耗函数仅用于测量网络的性能w.r.t.到当前参数设置，该设置将用于计算这些参数的梯度和更新。通量，火车！这是培训逻辑应该定义的地方，目前由Julia处理。我找到了Julia在这里做什么的答案：。我认为，要进行批处理，需要对数据点进行采样，然后在循环中对其运行Flux.train。@SimonAda，我认为您可能混淆了这里的术语。neuralODE可以有批量数据训练输入，通常是不同初始条件的列表，但输出将是每个初始条件的时间序列。但是通量本身并没有得到这个返回值。这是由损失函数处理的。损失函数如何选择计算损失（例如，在离散时间点或以不同方式对NeuralODE返回对象进行采样）完全取决于损失函数。通量得到的只是整个批次中损失总和的标量值。批次是您的离散输入。

    "Optimizes the `loss(θ,curdata...)` function with respect to the parameter vector
`θ` iterating over the `data`. By default the data iterator is empty, i.e.
`loss(θ)` is used. The first output of the loss function is considered the loss.
Extra outputs are passed to the callback."