machine-learning - 预测期间的小批量大小
问题描述
我正在使用 lstm 模型。我了解小批量大小对于训练模型的意义。基本上它与批量更新梯度有关,而不是在每个样本之后更新。但是小批量大小在预测阶段意味着什么。我无法理解批量大小在预测阶段的作用。改变它会影响我的结果吗?
解决方案
批量大小等仅与学习有关。在您的模型学习(训练)后,它只会保存权重。在测试或预测时,它只会使用保存的权重进行预测。
默认情况下,普通 LSTM 在批量大小后重置单元状态,但您可以更改它。您可以使其在一个时期后更新状态,甚至保持所有状态。
推荐阅读
- jenkins - 从存储库(bitbucket)读取 openshift 模板时出现问题
- r - R中的rbind - 匹配列名
- flutter - 任务 app:mergeDebugNativeLibs 和 app:mergeDebugJavaResource 的 Flutter 失败
- shell - 如何防止 escapeshellarg 函数转义重音字符?
- google-analytics - 使用 Google 跟踪代码管理器时将重复的 URL 分析与规范 URL 合并
- angular - 如何过滤带有嵌套对象的 PrimeNG 表?
- javascript - React Router 受保护的路由
- python - VSCode python 在适用于 Linux 的 Windows 子系统中找不到相关文件
- python - 通过dockerfile安装python包 - 依赖错误
- corda - 我的@InitiatingFlow 可以是通用类吗?