调整批量大小
您已经看到，模型通常以固定大小的批量进行训练。批量越小，每个 epoch 的权重更新次数越多，但代价是梯度下降更不稳定。尤其当批量过小、不能代表整个训练集时问题更明显。
我们来看看，不同的批量大小如何影响一个将红点和蓝点区分开的二元分类模型的准确率。
您将先使用批量大小为 1，在每个 epoch 中对训练集里的每个样本各更新一次权重。然后再使用整个数据集作为一个批量，在每个 epoch 中只更新一次权重。
本练习是课程的一部分
Keras 深度学习入门
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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])