认为$g(x_{1:n})$是梯度的估计，在随机最速下降算法的每一步计算。数据集$x_{1:n}$在每一步都模拟，所以如果$n$小算法速度快但不稳定，而如果$n$很大它很慢但很稳定。到目前为止，我刚刚尝试了许多 n 值，但也许有人知道确定 n 的更好方法。

认为$Var(g(x_{1:n})) = f(n)$是已知的（即我知道梯度的方差如何随样本量变化），我正在考虑：

a) 最小化以下类型的损失函数：

b) 绘制$f(n)$反对$n \times c$尝试在视觉上确定一个好的样本大小 n。

就我而言$c$是模拟所需的时间$x_{i}$，例如 0.1 秒。我不认为将不同单元加在一起的函数最小化有多大意义，所以我想知道是否有任何方法可以将 CPU 时间转换为更合理的时间。