我的问题很简单,也很直接.批量大小在训练和预测神经网络时指定了什么.如何对其进行可视化,以便清楚地了解数据如何馈送到网络.
假设我有一个自动编码器
encoder = tflearn.input_data(shape=[None, 41])
encoder = tflearn.fully_connected(encoder, 41,activation='relu')
我正在输入带有41个功能的csv文件,所以我理解的是它将从csv文件中获取每个功能,并在批量大小为1时将其提供给第一层的41个神经元.
但是当我将批量大小增加到100时,100个批次的41个特征将如何被馈送到该网络？
model.fit(test_set, test_labels_set, n_epoch=1, validation_set=(valid_set, valid_labels_set),
run_id="auto_encoder", batch_size=100,show_metric=True, snapshot_epoch=False)
是否会对批次或其中的某些操作进行标准化？
两种情况下的epoc数量相同