batch_size在Keras‘TimeSeriesGenerator中是什么意思？
batch_size在Keras‘TimeSeriesGenerator中是什么意思？
提问于 2020-05-15 14:30:59
我正在处理一个5类的视频分类，并使用TimeDistributed的CNN模型。列车数据集包含8个视频，每帧包含75帧，我使用了TimeSeriesGenerator of Keras，其中长度等于75，因为每个视频包含75 sequences.But，在我看来，在这个例子中batch_size应该是什么？
from keras.preprocessing.sequence import TimeseriesGenerator
train_sequences = TimeseriesGenerator(train_data, train_labels, length=75, batch_size=1)有人能告诉我这个任务应该考虑多少批次吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-05-15 16:19:19
批处理大小定义了将在模型的每次迭代中引入的视频样本的数量。不同批次大小之间的差异是模型权重的优化。如果批处理大小等于3，则模型将输入3个样本视频，然后再进行3次输入，然后更新权重。
批次大小没有一个最优值。就像没有免费午餐定理一样。我建议你尝试不同的价值观，寻找最好的结果。
在定义批处理大小时存在限制：
如果值较小，则
- 将需要更少的内存，而且可能会更快，因为您的模型请求的样本较少。否则，梯度估计精度较低，
- 值较大时，梯度估计精度较高，但需要更多内存，速度可能较慢。
因此，你必须在权贵的估计精度和计算资源的使用之间找到一个最优值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/61821684
复制相关文章
相似问题
腾讯云开发者
