चूंकि आपके पास एक बहुत छोटा डेटासेट (~ 1000 नमूने) है, तो आप शायद 32 के बैच आकार का उपयोग करके सुरक्षित रहेंगे, जो कि काफी मानक है। इससे आपकी समस्या के लिए कोई बड़ा अंतर नहीं आएगा जबतक कि आप सैकड़ों हजारों या लाखों अवलोकनों पर प्रशिक्षण नहीं दे रहे हैं।
सामान्य में:
पर बैच आकार और अवधियों आपके सवालों के जवाब के लिए बड़ा बैच आकार प्रशिक्षण में तेजी से प्रगति में परिणाम है, लेकिन नहीं है हमेशा की तरह तेजी से जमा होते है। छोटे बैच आकार धीमे ट्रेन, लेकिन तेजी से अभिसरण कर सकते हैं। यह निश्चित रूप से निर्भर निर्भर है।
सामान्य में, मॉडल एक बिंदु पर प्रशिक्षण के अधिक युगों के साथ सुधार करते हैं। वे अभिसरण के रूप में सटीकता में पठार शुरू कर देंगे। 50 की तरह कुछ कोशिश करें और युग की साजिश संख्या (एक्स अक्ष) बनाम सटीकता (वाई अक्ष)। आप देखेंगे कि यह कहां से बाहर है।
आपके डेटा का प्रकार और/या आकार क्या है? क्या ये छवियां हैं, या सिर्फ टैब्यूलर डेटा? यह एक महत्वपूर्ण जानकारी है।
स्रोत
2016-07-15 22:43:33
मैं कहूंगा कि यह आपके डेटा पर निर्भर करता है। यदि आप बस कुछ सरल कार्य के साथ खेल रहे हैं, जैसे एक्सओआर-क्लासिफायर, 1 99 के बैच आकार के साथ कुछ सौ युग 99.9% सटीकता की तरह प्राप्त करने के लिए पर्याप्त हैं। एमएनआईएसटी के लिए मैंने ज्यादातर बैच आकार और 100 से कम युग के लिए लगभग 10 से 100 के साथ उचित परिणाम अनुभव किए। आपकी समस्या के ब्योरे के बिना, आपके आर्किटेक्चर, आपके सीखने के नियम/लागत कार्य, आपका डेटा और इस पर कोई भी इसका सही जवाब नहीं दे सकता है। – daniel451