设置批量大小*和*神经网络的训练迭代次数？

Question

我正在使用KNIME Doc2Vec Learner节点来构建Word嵌入。我知道Doc2Vec是如何工作的。在KNIME中，我可以选择设置参数

• 批量大小：每批次使用的字数。
• 时代数：训练的时代数。
• 培训迭代次数：每批次的更新次数。

来自神经网络我知道（懒惰地从https://stats.stackexchange.com/questions/153531/what-is-batch-size-in-neural-network复制）：

• 一个纪元 =一个向前传递和一个向后传递所有训练示例
• 批量大小 =一次前进/后退传递中的训练示例数。批量大小越大，您需要的内存空间就越大。
• 迭代次数 =次数，每次使用[批量大小]数量的示例。需要说明的是，一次传球=一次前传+一次后传（我们不计算前传和后传两种不同的传球）。

据我所知，设置批量大小和迭代没有多大意义，因为一个是由另一个决定的（给定数据大小，由环境给出）。那么为什么我可以改变这两个参数呢？

Answer 1

不一定是这种情况。你也可以训练半个时代＆＃34;。例如，在Google的inceptionV3预训练脚本中，您通常会同时设置迭代次数和批量大小。这可能导致部分时期＆＃34;这可能没问题。

如果是一个好主意或不训练半个时代可能取决于您的数据。关于此问题有thread但不是结论性答案。

我不熟悉KNIME Doc2Vec，所以我不确定那里的含义是否有所不同。但是根据您给出的定义批量大小+迭代的定义似乎很好。同时设置时期数可能会导致冲突，但会导致数字不能合理组合。