知识卡片

普通读书笔记卡 · 6473.d.3.a.1.b.1 · 生成模型:未记录

批量大小的权衡

理解等级:中级

全批量梯度用全部样本计算一次更新;单样本随机梯度每次只用一个样本,小批量处于两者之间。小批量梯度有噪声,可能帮助离开某些停滞区域;较大批量可利用硬件并行、减少每轮更新次数。速度、优化和泛化都受模型、硬件及学习率影响,需实际比较,不能断言某一大小总是最好。

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

    • 深度学习基础 3.2 批量和动量 · 查看原书依据

      大的批量和小的批量的对比结果如表3.1所示.在有并行计算的情况下,大的批量和小的批量运算的时间并没有太大的差距.除非大的批量非常大,才会显示出差距.但是一个回合 需要的时间,小的 批量 比较长,大的批量反而比较短,所以从一个回合需要的时间来看,大的批量较有优势.另外,小的批量更新的方向比较有噪声,大的批量更新的方向比较稳定.但是,有噪声的更新方向反而在优化的时候有优势,而且在测试的时候也有优势.大的批量和小的批量各有优缺点,批量大小是一个需要我们去调整的超参数.

    参考来源

    - 位置:《深度学习详解》第3章《深度学习基础》3.2(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter03.xhtml`) - 结论依据:原文对比批量大小的噪声与硬件效率,或说明动量结合当前梯度和前次移动量。 - 原始内容:大的批量和小的批量的对比结果如表3.1所示.在有并行计算的情况下,大的批量和小的批量运算的时间并没有太大的差距.除非大的批量非常大,才会显示出差距.但是一个回合 需要的时间,小的 批量 比较长,大的批量反而比较短,所以从一个回合需要的时间来看,大的批量较有优势.另外,小的批量更新的方向比较有噪声,大的批量更新的方向比较稳定.但是,有噪声的更新方向反而在优化的时候有优势,而且在测试的时候也有优势.大的批量和小的批量各有优缺点,批量大小是一个需要我们去调整的超参数.