1. Nauka
  2. /
  3. Kursy
  4. /
  5. Wprowadzenie do uczenia głębokiego z Keras

Connected

ćwiczenie

Zmiana rozmiarów wsadu

Modele są zazwyczaj trenowane w wsadach o stałym rozmiarze. Im mniejszy wsad, tym więcej aktualizacji wag na epokę – ale kosztem mniej stabilnego zejścia gradientowego. Dzieje się tak szczególnie wtedy, gdy wsad jest zbyt mały i nie reprezentuje całego zbioru treningowego.

Sprawdź, jak różne rozmiary wsadów wpływają na dokładność prostego modelu klasyfikacji binarnej, który rozróżnia czerwone i niebieskie punkty.

Na początku użyjesz wsadu o rozmiarze jeden – wagi będą aktualizowane osobno dla każdej próbki w zbiorze treningowym w każdej epoce. Następnie użyjesz całego zbioru danych i będziesz aktualizować wagi tylko raz na epokę.

Instrukcje 1/2

undefined XP
  • 1

    Użyj funkcji get_model(), aby uzyskać nowy, już skompilowany model, a następnie wytrenuj go przez 5 epochs z batch_size równym 1.

  • 2

    Teraz wytrenuj nowy model, ustawiając batch_size równy rozmiarowi zbioru treningowego.