我正在用107850个样本训练模型，并在26963个样本上进行验证。
在Keras中拟合模型以优化验证准确性时，批次大小和时期数应为多少？是否有基于数据输入大小的经验法则？如果时期数增加，是否适合模型？
谢谢。
答案 0 :(得分：0)
不！选择数据的批量大小并非凭经验。在更好的准确性和时间之间进行权衡。因此，我们必须采用可快速处理数据并提供良好准确性的批处理大小。现在，如果批量太大，会发生什么情况。实际上，每批处理之后，您的模型都会更新其所有权重。大批处理量大的错误比根据您的模型的错误会调整重量。现在，在处理大量批次并更新权重之后，与花费较小批次并在每个批次后更新权重相比，所需的时间更少。但是，当您批量较小时，模型会在每次批量即（16,32,64）等之后更新权重，比您的模型能够更准确地学习数据但需要花费时间在每个批次之后更新所有重量。
现在，根据研究论文，大多数研究人员使用批处理大小 （16,32,64）可能是研究人员使用了较大的批量，但我还没有看到。 希望答案对您有所帮助。
如果您希望优化时期的数量，请为您的神经网络使用回调，如果您的模型学习的时间不超过4或5个时期，您的神经网络将自动停止学习。