知识卡片

普通读书笔记卡 · 8597.a.2.e.1.a.1.a · 生成模型:GPT-6

批量大小影响梯度成本

理解等级:中级

全批量更新每步使用全部样本,梯度计算较稳定但每步成本高。随机更新使用单样本,成本低且波动大。小批量用若干样本的平均梯度,兼顾计算吞吐和方向估计。比较训练开销时应同时看每步、每轮和达到指定精度的总时间。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 回归算法 4.1.3 · 查看原书依据

      们采用x个样本来迭代,即若干个样本的平均梯度作为更新方向,1<x<m。一般可以取x=10,当然根据样本的数据,可以调整这个x的值。

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第4章 回归算法 §4.1.3(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter4.xhtml#isbn9787302555513_4_1_1_3) - 结论依据:原文逐一按每次更新使用的样本数量区分三种策略。 - 原始内容:们采用x个样本来迭代,即若干个样本的平均梯度作为更新方向,1<x<m。一般可以取x=10,当然根据样本的数据,可以调整这个x的值。