在Tensorflow中拟合模型时，批量大小和纪元数应该有多大？有没有什么基于数据输入大小的经验法则？我应该将其拆分为训练/val/test，还是继续使用当前拆分的train/val？
浏览 14提问于2017-07-03得票数 0
在Keras中拟合模型以优化val_acc时，批处理大小和纪元数应该有多大？有没有什么基于数据输入大小的经验法则？
浏览 1提问于2016-01-28得票数 83
如果之前有人问过这个问题，我很抱歉，我尝试过在线查找，但可能我不知道正确的术语，因为我找到的结果大多试图通过拆分数据集来解决过度拟合问题。因此，当我的模型在验证数据上停留在30%的准确率并拒绝改进时，我的策略往往是尝试更改每层的节点数、批处理大小或纪元数。有时这很有帮助，但有时似乎没有多大用处。
在这种情况下，人们通常会做什么？
浏览 0提问于2018-06-15得票数 0
此外，我使用partial_fit方法对X和Y进行部分拟合。请问我在哪里提到批量大小和纪元数？ 例如，如果我想使用2000条记录和10个时期的批处理大小在整个数据集上以增量方式训练模型。
浏览 43提问于2020-08-31得票数 0
回答已采纳
0回答
我正在两个不同的DL库(Caffe Tensorflow)中训练两个CNN (AlexNet E GoogLeNet)。网络由每个图书馆(和)的开发团队实施
<e
浏览 5提问于2017-12-05得票数 2
回答已采纳
3回答
大型模型的最佳批次大小和时期
、、、、
我知道有一些相关的问题，但我希望有人能提供一些建议，具体到我试图建立的模型。我运行了一个顺序模型(下面的代码)，其中我使用了64和30个时期的批处理大小。代码花了很长时间才能运行。在30个时期之后，在验证集上的准确率约为67，在训练集
浏览 0提问于2020-04-19得票数 0
我使用GPU在一个大小为55 on的数据集上运行一些非常大的深度学习模型。如果我使用一个大于1的批处理大小，我会得到一个资源耗尽错误。即使批处理大小为1，我也会得到分割错误。有没有办法让我知道GPU中的数据量(批处理大小为1)会有多大？我正在使用tf.Keras来拟合模型。TensorFlow中是否有torchsummary等效项？
浏览 32提问于2021-08-10得票数 0
当我阅读tensorflow联合用于图像分类的时，我发现了.repeat()，我想了解这个预处理函数的必要性，特别是当我增加.repeat()中的数字时，模拟需要很多时间。那么，如果有必要做.repeat()，我们可以选择多少个纪元呢？
浏览 1提问于2021-02-16得票数 1
我希望在keras中有自定义的损失函数，每个训练示例都有一个不同的参数。上看到，y_true和y_pred总是传递给损失函数，所以你需要创建包装函数。model.compile(loss=my_mse_loss_b(df.iloc[:,2]), optimizer='adam', metrics=['accuracy']) 问题是，当我拟合模型时，会有一个错误tensorflow.python.framework.errors_impl.Inval
浏览 35提问于2021-07-23得票数 0
回答已采纳
我有一个机器学习模型，我想做超参数隧道上。此模型中使用的数据是使用tensorflow数据张量进行预处理的，我已经对张量中的数据进行了洗牌和批量处理。这是很好的工作，同时拟合模型。我已经尝试检索内部numpy数组来为kt中的模型提供数据，但是我想知道在kt中是否可以使用张量
浏览 3提问于2020-08-24得票数 1
回答已采纳
3回答
我正在使用Colab中的Keras Tensorflow。我拟合了一个模型并保存了它。然后我加载它并检查性能，当然它应该是相同的。然后我冻结它，然后重新拟合它。我希望之后的模型也能有同样的性能。当然，在“训练”期间，由于批量大小的差异，准确性可能会有所不同。但之后，当用model.evaluate检查它时，我预计没有区别，因为权重不能改变，因为模型是冻结的。然而，事实证明并非如此。(x_test_p
浏览 50提问于2020-09-17得票数 2
2回答
我正在训练一个神经网络，并得到关于损失和验证损失的结果：
这些是200个时期，批量大小为16,500个训练样本和200个验证样本。正如你所看到的，在大约20个时期之后，验证损失开始做一个非常夸张的Z字形。我试图增加验证样本的数量，但这只会增加之字形，并使其更加夸张。我在寻找另一种方法来改善它。
你知道哪个是“之字形”的原因吗?我怎样才能最小化它？
浏览 0提问于2019-07-29得票数 1
1回答
我将把这些数据输入到我的模型中，以预测即将到来的时间段。因此，我将有一定数量的时隙用于预测(假设10个时隙，到目前为止，我可能有10X10X10数据)。现在，我的问题是，我必须将这些数据作为具有10个通道的2D图像(就像CNN、RGB图像中的普通数据)或3D数据进行处理。(Keras中的conv2D或conv3D )。
提前感谢您的帮助。
浏览 10提问于2020-02-11得票数 4
回答已采纳
我想问一个问题，如何监测验证损失在培训过程中的估计者在TensorFlow。我以前也问过一个类似的问题()，但没有多大帮助。如果我使用估计器来构建模型，我将给Estimator.train()函数一个输入函数。但是在培训过程中没有办法添加另一个validation_x和validation_y数据。然而，这些信息无助于防止过度拟合。更有价值的信息是验证损失。通常情况下，验证损失是U字形，与时间数有关.为了防止过<em
浏览 0提问于2018-11-09得票数 6
回答已采纳
我已经构建了一个语义分割Keras (tensorflow后端)模型，并试图在google cloud ml引擎上对其进行训练。我有大约200,000 (256x256)个图像可以在小批量(10)上训练大约100个时期。当我只使用complex_model_m_gpu类型的主设备时，1个纪元几乎要花25个小时。我不确定Keras模型如何适应多GPU训练设备(例如，complex_model_m_gpu)。没有关于这方面的文档，只有关于分布式Te
浏览 11提问于2018-07-18得票数 2
我们正在尝试使用Google Colab TPU构建一个图像分割深度学习模型。我们的模型是Mask R-CNN。TPU_WORKER = 'grpc://' + os.environ['COLAB_TPU_ADDR']
tpu_model = tf.contrib.tpu.keras_to_tpu_modeltf.contrib.tpu.TPUDistributionStrategy(
tf.contrib.cluster_reso
浏览 0提问于2018-10-17得票数 3
我已经在R Studio中使用keras/tensorflow训练了一个模型并存储了它。我现在用以下命令重新加载模型： my_model <- load_model_hdf5("my_model.h5") 使用 summary(my_model) 我得到了模型的摘要，包括层的数量和大小。其次，是否也有方法访问超参数，如纪元编号、批处理大小、..在训练这个模型<e
浏览 19提问于2019-09-29得票数 0
回答已采纳
1回答
我想开发一个机器学习算法，使用knn模型来对我的数据记录进行分类。我的问题是:是否有一个通用的方法来确定我的训练数据集应该有多大？
浏览 0提问于2021-09-07得票数 1
1回答
在培训期间更改批次大小
、、、
从某种意义上说，批次大小的选择是随机性的度量：
一方面，较小的批数使得梯度下降更具有随机性，SGD在整个数据上可以明显偏离精确的GD，但允许进行更多的探索，并在某种意义上进行贝叶斯推断。较大的批次大小更接近于精确的梯度，但这样更有可能使数据过拟合或陷入局部最优。处理更大的批量也加快了并行结构的计算，但增加了对RAM或GPU的需求。似乎一种明智的策略是从较小的批量开始，在初始阶段进行大量的探索，然后逐步增加批量大小，对
浏览 0提问于2021-01-29得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
