Python Keras-LSTM最佳批量

在LSTM网络中，我作为特征传递一个表单数组

X.shape 
    (350000, 240, 1)

具有以下形式的二进制分类目标

y.shape 
    (350000, 2)

如何估计最佳批量大小，以在不损失准确性的情况下最小化学习时间

以下是设置：

model = Sequential()
model.add(LSTM(25, input_shape=(240, 1)))
model.add(Dropout(0.1))
model.add(Dense(2, activation='softmax'))
model.compile(loss="binary_crossentropy", optimizer="rmsprop")
model.fit(X_s, y_s, epochs=1000, batch_size=512, verbose=1, shuffle=False, callbacks=[EarlyStopping(patience=10)])

---

不幸的是，批量大小是一个超参数，您必须通过交叉验证来了解。在实践中，从一个非常大的数字（1024）开始，然后将其减半，直到看到性能有所提高

还有一些论文表明，最佳学习率和批量大小大致呈负相关：