Question

我正在建造一个简单的香草FNN，并希望在训练后评估我的模型。我想知道在测试集上评估模型时batch_size有什么影响。当然，它与训练相关，因为它在计算下一个梯度之前确定要馈送到网络的样本数。同样清楚的是，在预测（有状态的）RNN的值时可能需要它。但是我不清楚为什么在评估模型尤其是FNN时需要它。此外，当我在同一测试集上评估模型但具有不同的批量大小时，我会得到略微不同的值。请考虑以下玩具示例：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import SGD

# function to be learned
def f(x):
    return x[0] + x[1] + x[2]

# sample training and test points on a rectangular grid
x_train = np.random.uniform(low = -10, high = 10, size = (50,3))
y_train = np.apply_along_axis(f, 1, x_train).reshape(-1,1)

x_test = np.random.uniform(low = -10, high = 10, size = (50,3))
y_test = np.apply_along_axis(f, 1, x_test).reshape(-1,1)

model = Sequential()
model.add(Dense(20, input_dim = 3, activation = 'tanh'))
model.add(Dense(1))

sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mse',
      optimizer=sgd)
model.fit(x_train, y_train, batch_size = 10, epochs = 30, verbose = 0)

model.evaluate(x_test, y_test, batch_size = 10)
model.evaluate(x_test, y_test, batch_size = 20)
model.evaluate(x_test, y_test, batch_size = 30)
model.evaluate(x_test, y_test, batch_size = 40)
model.evaluate(x_test, y_test, batch_size = 50)

价值观非常相似，但仍然不同。这是从哪里来的？不应该总是如此吗？

from sklear.metrics import mean_squared_error as mse
0 == model.evaluate(x_test, y_test) - mse(model.predict(x_test), y_test)

Answer 1

不，他们不一定是一样的。如果将浮点数学与并行性结合起来，则不会得到可重现的结果，因为（a + b）+ c与a +（b + c）不同。

Model的评估功能只是为了加快评估，因为网络可以一次处理多个样本，而使用GPU可以更快地进行评估。我认为减少这种影响的唯一方法是将batch_size设置为1。

Answer 2

评估值的不同之处仅在于浮点值缺乏精确性。

在评估中使用批量大小的原因与在训练模式下使用批量大小相同。原因不像你说的那样：

它与培训相关，因为它决定了在计算下一个梯度之前要馈送到网络的样本数量

想一想，为什么不批量生产所有数据集？因为RAM中没有足够的内存来存储所有内存。这也是评估时的原因。

model.evaluate（）

2 个答案: