我觉得好像这是NN 101中涵盖的内容，但我无法记住答案（如果有的话）并且似乎无法在网上找到答案。
假设我有80个项目的训练集和20个项目的测试集。我已经在我的神经网络上初始化了权重和偏差，现在我已经准备好训练网络以了解数据的总体趋势。
我：
a）一次将所有80个项目传递到网络中，找到错误，使用backprop调整权重并在渐变方向上偏置，重复直到错误足够小。
或
b）将1个项目传入网络，找到错误，使用backprop调整权重并在渐变方向上偏置，重复其他79个项目，然后从项目＃1再次启动过程直到出错足够小。
甚至可以选择1-80之间的数字。
在我的网络搜索中，我发现了一些名为在线和批量培训的内容，我感觉它与此相关，但我并不完全确定。选择一种方法比另一种方法有优势吗？
答案 0 :(得分：0)
您选择了所有人选项。如果您通过所有样本而不是让您进行批量学习，那么如果您在每个人都对您进行小批量学习之后进行调整。我的老师建议我使用随机梯度下降法。
很好地解释了两者的优点和缺点另外，如果您在数据集的某些部分之后使用adjust，那么您将进行小批量学习。在这种方法中确定数据集部分的大小是有问题的。