keras 模型将如何在每个时期学习?

数据挖掘 深度学习 喀拉斯 时代
2022-03-05 16:28:05

我知道时代、批量大小和迭代的概念。

比方说,

Total_data = 6400

批量大小 = 64

迭代 = 100

在此,基本上我们将 64 个数据点输入计算机内存并进行计算,并在每次迭代中更新权重。所以在 100 次迭代后,我们将完成一个 epoch。

我的问题是,在一个时代之后,我们再次使用相同的 6400 数据。在学习方面与第一纪元有何不同?模型是否在第二个纪元中选择与第一个纪元不同的 64 个数据点并尝试学习?它在内部是如何真正工作的?

我希望我能得到一些明确的答案。

提前谢谢大家。

1个回答

数据点相同,但每个时期的模型不同。每次迭代都会更新权重,因此它们会有所不同,反过来,对于不同时期的相同数据点,损失函数也会有所不同。训练过程所做的是在每次运行时缓慢地改变权重,以最小化相同数据的损失越来越小。

使用诸如梯度下降中的反向传播之类的算法来修改权重以最小化数据点的误差。您可能还想查看这个youtube 视频中 3B1B 给出的反向传播的解释。