《表3 批尺寸对实验结果的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进卷积神经网络的毛发显微图像自动分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

因此对于本分类实验来说，batch＿size选择过小会导致修正方向不收敛，选择过大会由于迭代次数的减少造成参数修正过于缓慢，甚至计算机显存根本无法完成训练任务。因此实验选择批梯度下降法，在合理范围内增加batch＿size，使网络模型达到最优收敛精度，提高内存利用率，控制训练振荡，提高数据处理速度和并行化效率，但这也会增加训练时间和收敛难度，降低模型稳健性。由于训练使用图像处理器（GPU）进行，当batch＿size为2的幂次时效率更高，因此经调参后采用最优参数组合，设置学习率为0.0003，最大迭代次数为100000，batch＿size设置为16、32、64、128、256进行比较分析，如表3所示。