deep-learning - Deeplearning4j 中的时期和迭代

Question

我最近开始学习 Deeplearning4j，但我无法理解 epoch 和迭代的概念是如何实际实现的。在在线文档中它说：

一个时期是通过给定数据集的完整传递......
不要与迭代混淆，迭代只是神经网络模型参数的一次更新。

我使用 MultipleEpochsIterator 进行了训练，但在第一次运行中，我设置了 1 个 epoch，miniBatchSize = 1 和 1000 个样本的数据集，所以我希望训练在 1 个 epoch 和 1000 次迭代后完成，但在超过 100.000 次迭代后它是仍在运行。

int nEpochs = 1;
int miniBatchSize = 1;

MyDataSetFetcher fetcher = new MyDataSetFetcher(xDataDir, tDataDir, xSamples, tSamples);
//The same batch size set here was set in the model
BaseDatasetIterator baseIterator = new BaseDatasetIterator(miniBatchSize, sampleSize, fetcher);

MultipleEpochsIterator iterator = new MultipleEpochsIterator(nEpochs, baseIterator);
model.fit(iterator)

然后我做了更多的测试来改变批量大小，但这并没有改变 IterationListener 打印的日志行的频率。我的意思是，我认为如果我将批量大小增加到 100，那么对于 1000 个样本，我将只有 10 次参数更新，因此只有 10 次迭代，但日志和时间戳间隔或多或少是相同的。

顺便提一句。有一个类似的问题，但答案并没有真正回答我的问题，我想更好地了解实际细节： Deeplearning4j: Iterations, Epochs, and ScoreIterationListener

标签： deep-learningdeeplearning4j

Answer 1

在 1.x（已经在 alpha 版本中）之后，这些都不重要了——我们很久以前就摆脱了迭代。

最初它是一种快捷语法，因此人们不必编写 for 循环。

现在只关注带有 epoch 的 for 循环。