小编lbf*_*994的帖子

我正在构建一个普通的 FNN，想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，它与训练有关，因为它确定了在计算下一个梯度之前要馈送到网络的样本数量。很明显，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特别是 FNN 时需要它。此外，当我在相同的测试集上评估模型但批量大小不同时，我得到的值略有不同。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 …