通常，卷积神经网络（CNN）的输入由给定width*height*channels的图像描述。对于批量大小的不同数量，输入节点的数量是否也会不同？意思是，输入节点的数量会变为batch_size*width*height*channels吗？
答案 0 :(得分：0)
从this excellent answer批量大小定义将通过网络传播的样本数。批量大小对网络架构没有影响，包括输入数量。
假设您有1,000张RGB图像，大小为32x32，并且您将批量大小设置为100.您的卷积网络应具有32x32x3的输入形状。为了训练网络，训练算法从总数1,000中挑选100个图像的样本，并在该子集中的每个单独图像上训练网络。那是你的批次＆＃39;。网络架构并不关心您的子集（批处理）有100,200或1,000个图像，它只关心单个图像的形状，因为它一次只能看到它。当网络已经训练了所有100个图像时，它已经完成了一个纪元，并且网络参数被更新。
训练算法将为每个时期选择不同批次的图像，但上述内容始终成立：网络一次只能看到一个图像，因此图像形状必须与输入图层形状匹配，不考虑该特定批次中的图像数量。
至于为什么我们有批次而不是仅对整套进行培训（即将批量大小设置为100％并培训一个时期），使用GPU可以使培训更快，同时也意味着参数更新更少培训，使收敛更顺畅，更可靠。