1. Learn
    2. /
  2. Курси
    3. /
  3. Вступ до Deep Learning з Keras
Connected

Вправа

Зміна розміру пакета

Ви бачили, що моделі зазвичай навчають пакетами фіксованого розміру. Чим менший розмір пакета, тим більше оновлень ваг за епоху, але ціною більш нестійкого градієнтного спуску. Особливо якщо пакет надто малий і не репрезентує всю тренувальну вибірку.

Подивімося, як різні розміри пакетів впливають на точність простої моделі бінарної класифікації, яка відокремлює червоні точки від синіх.

Ви використаєте розмір пакета 1, оновлюючи ваги один раз на кожен зразок у тренувальній вибірці в межах кожної епохи. Потім ви використаєте весь набір даних, оновлюючи ваги лише один раз за епоху.

Інструкції 1/2

undefined XP
  • 1

    Скористайтеся get_model(), щоб отримати нову, вже скомпільовану модель, потім навчіть її протягом 5 epochs з batch_size рівним 1.

  • 2

    Тепер навчіть нову модель з batch_size, що дорівнює розміру тренувальної вибірки.