在路缘石中安装模型时，批次大小和时期数量应该有多大？

Answer 1

很好的回答。每个人都给出了很好的建议。

理想情况下，这是应使用的批次大小顺序：

{1, 2, 4, 8, 16} - slow 

{ [32, 64],[ 128, 256] }- Good starters

[32, 64] - CPU

[128, 256] - GPU for more boost

Answer 2

因为您有一个非常小的数据集（大约1000个样本），所以使用32的批处理大小可能是安全的，这是非常标准的。这对你的问题不会有太大的影响，除非你正在训练数十万或数百万次的观察。

回答有关批量大小和时间段的问题：

通常：较大的批处理大小会加快训练进度，但并不总是收敛得那么快。较小的批量训练较慢，但可以更快地收敛。这完全取决于问题。

一般来说，模型会随着更多阶段的训练而有所改进。当它们会聚在一起时，它们的准确度将开始趋于平稳。尝试类似于50的方法，绘制年代数（x轴）与精度（y轴）。你会看到它的水平。

数据的类型和/或形状是什么？这些是图像，还是只是表格数据？这是一个重要的细节。

Answer 3

我使用Keras对语音数据进行非线性回归。我的每个语音文件都为我提供了文本文件中25000行的特性，每行包含257个实值数字。我使用100的批大小，epoch 50来训练带有1个隐藏层的Keras中的Sequential模型。经过50个阶段的训练，它很好地收敛到一个较低的val_loss。