Neural network 是否有更好的结构来训练完全卷积神经网络？

我正在训练一个完全卷积的神经网络，用3080*16个输入图像进行训练，一批给16个图像。我这样做已经有100个时代了

in every epoch: 
after each batch:
calculate errors, do weight update, get confusion matrix 
after each validation_batch
calculate errors and confusion matrix

我试图给出可能的最大批量。

在这种情况下（当纪元数固定时）-您可以在更新数量和更新质量之间进行权衡。您更新网络的频率越高（批量越小）-您可能得到的网络越好（假设您使用的是正确的正则化和保姆）。您得到的真实更新参数越接近（批量越大），您的网络就越快收敛到高质量的解决方案，忽略实际可能会恶化模型的更改

设置批大小的最佳方法是，如果有人已经为您的任务找到了最佳批大小，则进行研究，或者进行网格/随机搜索元优化，即设置可能的批大小的合理值，并测试每个选项以找到最佳值。

在这种情况下（当纪元数固定时）-您可以在更新数量和更新质量之间进行权衡。您更新网络的频率越高（批量越小）-您可能得到的网络越好（假设您使用的是正确的正则化和保姆）。您得到的真实更新参数越接近（批量越大），您的网络就越快收敛到高质量的解决方案，忽略实际可能会恶化模型的更改

---

设置批次大小的最佳方法是，如果有人已经为您的任务找到了最佳批次大小，则进行研究，或者进行网格/随机搜索元优化，即设置可能的批次大小的合理值，并测试每个选项以找到最佳值。

您是否尝试找出您的任务的最佳批次大小训练？不，更多的是打和试吗？或者有计算的方法吗？你是否试图找出适合你的培训的最佳批量大小？没有，更多的是点击和试用？还是有计算的方法？非常感谢Marcin非常感谢Marcin。