《表1 不同批尺寸下LSTM训练效果》
通过调节模型批尺度在每次循环中分多个批次训练样本,这样既可以利用向量化,有并行运算优势,又可以比批梯度下降法更快的收敛。表1展示了含有100个LSTM节点的神经网络在训练时不同批尺寸的训练效果。
图表编号 | XD00157768800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.30 |
作者 | 李畸勇、班斓 |
绘制单位 | 广西大学电气工程学院、广西大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |
通过调节模型批尺度在每次循环中分多个批次训练样本,这样既可以利用向量化,有并行运算优势,又可以比批梯度下降法更快的收敛。表1展示了含有100个LSTM节点的神经网络在训练时不同批尺寸的训练效果。
图表编号 | XD00157768800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.30 |
作者 | 李畸勇、班斓 |
绘制单位 | 广西大学电气工程学院、广西大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |