बैच साइज बदलना
आपने देखा है कि मॉडल सामान्यतः एक तय आकार के बैच में प्रशिक्षित किए जाते हैं। बैच साइज जितना छोटा होगा, प्रति epoch उतने अधिक वेट अपडेट होंगे, लेकिन इसकी कीमत एक अधिक अस्थिर ग्रेडिएंट डिसेंट के रूप में चुकानी पड़ती है। खासकर तब जब बैच साइज बहुत छोटा हो और पूरे प्रशिक्षण सेट का प्रतिनिधित्व न करे।
चलिए देखते हैं कि अलग-अलग बैच साइज एक साधारण बाइनरी क्लासिफिकेशन मॉडल (जो लाल और नीले डॉट्स को अलग करता है) की accuracy को कैसे प्रभावित करते हैं।
आप बैच साइज 1 इस्तेमाल करेंगे, यानी प्रत्येक epoch में प्रशिक्षण सेट के हर सैंपल पर एक बार वेट अपडेट होगा। फिर आप पूरे डेटासेट का उपयोग करेंगे, जहाँ प्रत्येक epoch में वेट केवल एक बार अपडेट होंगे।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Get a fresh new model with get_model
model = ____
# Train your model for 5 epochs with a batch size of 1
model.fit(X_train, y_train, epochs=____, ____=____)
print("\n The accuracy when using a batch of size 1 is: ",
model.evaluate(X_test, y_test)[1])