Question

TensorFlow中的一个时代是什么？它用于什么？

https://github.com/tensorflow/tensorflow/blob/754048a0453a04a761e112ae5d99c149eb9910dd/tensorflow/contrib/learn/python/learn/datasets/mnist.py#L173

Answer 1

机器学习中的一个时代是整个训练集的学习算法的整个处理。

MNIST列车组由55000个样本组成。一旦算法处理了所有这55000个样本，就会传递一个纪元。

Answer 2

时代是对样本的完整迭代。时期数是算法运行的次数。时期的数量直接影响（或不影响）训练步骤的结果（只有几个时期，你只能达到局部最小值，但是有更多的时期，你可以达到全局最小值或至少更好的局部最小值）。

Answer 3

Epoch是一种方法，通过该方法我们可以将同一数据集多次传递到网络，以找到最佳权重。

由于我们使用梯度下降进行优化，并且有可能降落到局部最小值，因此为了克服这一问题，我们将n次（即n个历元）传递给同一数据集以找到最佳权重。

在这里，时代数要应用，更少的时代可能会导致拟合不足，而大量的迭代最终可能会导致过度拟合。

Answer 4

只是为其他答案添加更多内容。将其视为算法改进其预测的机会数。

考虑以下将尝试获得双倍值的顺序代码。

<!DOCTYPE html>
<html>
<head>
    <title>TensorFlow.js get double of a number</title>

    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@2.0.0/dist/tf.min.js"></script>
    <script src="https://ajax.googleapis.com/ajax/libs/jquery/3.5.1/jquery.min.js"></script>
</head>
<body>
    <h2>Get double of number</h2>
    <input type="text" id="txtBoxNumber" />
    <br />
    Nearly : <input type="text" id="txtBoxDouble" />
    <script type="text/javascript">
        const model = tf.sequential();
        model.add(tf.layers.dense({ units: 1, inputShape: [1] }));

        // Prepare the model for training: Specify the loss and the optimizer.
        model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' });

        // Generate some synthetic data for training. (y = 2x)
        const xs = tf.tensor2d([1, 2, 3, 4, 5, 6, 7, 8,9,10,11,12], [12, 1]);
        const ys = tf.tensor2d([2, 4, 6, 8, 10, 12, 14, 16,18,20,22,24], [12, 1]);

        // Train the model using the data.
        model.fit(xs, ys, { epochs: 99999 });

        $(document).on('keyup', '#txtBoxNumber', function () {
            setInterval(getDouble, 1000);
        });
        function getDouble() {
            $('#txtBoxDouble').val(model.predict(tf.tensor2d([parseInt($('#txtBoxNumber').val())], [1, 1])).dataSync()[0]);
        }
    </script>
</body>
</html>

我已经删除了对 model.fit() 方法的等待，这将预测输出，而其他时期仍在进行中。

Answer 5

Epoch不是TensorFlow框架固有的东西。它已经在机器学习领域使用了很长时间。

一个纪元是每次经过训练集中的所有样本时递增的时间步。

Answer 6

一个纪元是一次训练迭代，因此在一次迭代中，所有样本都被迭代一次。当调用tensorflows train-function并定义参数时期的值时，您可以确定应该在样本数据上训练模型的次数（通常至少几百次）。

Answer 7

epoch：算法遍历训练数据的次数。

仅供参考：低时代 --> 欠拟合高时代 --> 过拟合

最佳时期：只能通过实验得知。因此，只需将 epoch 设置为高，并在（平均）验证错误高于（平均）训练错误时使用回调停止训练。

TensorFlow中的一个时代是什么？

7 个答案: