我很难理解RNN中使用的不同“术语”。它们如下：
batch_size，time_steps，inputs和instances。
让我了解每个输入参数＆amp;请纠正我错在哪里。
假设我有一系列数字，我想预测下一个数字。数字如下：
[1,2,3,4,5,....,100]
time_steps：此参数表示RNN在预测未来之前将过去的距离。为简单起见，我想提前预测1个数字。我想在过去看到10个数字之后做。因此，在这种情况下，time_steps将为10。
inputs：这些是每个time_steps的值。在time_step（t）中，inputs是t0
[1]：t1
[2]：.
.
.
t10 batch_size：[10]`
batch_size：这有助于有效计算RNN模型。假设我的time_step是2.在这种情况下，在t0: [1]
t0: [11]
2，RNN输入将是
instances那么instances的用法是什么？例如。在此post中，已使用实例。并且有多种情况使用instances。是否意味着每个循环超过批次？例如。有5个批次，每个批次2.然后将有5 Name。
请帮助我纠正我的理解。
谢谢！
答案 0 :(得分：2)
<强>的batch_size
批量大小通常表示从实验数据集构建的小批量的大小。由于在深度学习中，我们需要进行大量的计算，如果我们考虑小批量操作会更好，因为GPU的使用将是值得的。
time_steps
由于RNN采用顺序输入，因此输入序列中每个元素的索引可以称为该序列的时间步长。例如，如果[1,2,3,4,5,....,100]是一个序列，则序列中每个元素的索引是一个时间步。
<强>输入
术语inputs具有更广泛的含义，因此我不确定我的定义是否正确。根据我的理解，对RNN的输入是指在每个时间步骤提供给RNN的个人输入。例如，在[1,2,3,4,5,....,100]中，每个元素都是特定时间步的RNN输入。
但是以抽象的方式，如果有人问，你的深层神经模型的输入是什么？你可以说，它是英文句子或图像或音频片段或视频等。简而言之，术语inputs的含义取决于上下文。
实例
实例通常是指数据集中的培训/开发/测试示例。例如，序列：[1,2,3,4,5,....,100]可以是数据集中的训练实例。
希望这有帮助！
答案 1 :(得分：0)
好吧朋友，你很好地学习了这些概念。我很难正确地学习这些。你所知道的一切似乎都是有序的，而对于＆＃34;实例＆＃34;。它们基本上是一组数据。 ＆＃34;实例＆＃34;没有固定的使用期限。在一个深度学习社区。有些人用它来引用不同的数据集或批量数据。我很少在论文中听到它。