《表2 不同批大小下精度、误差和时间统计表》

  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

《基于卷积神经网络的机械零件表面缺陷分类》

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

在训练深度学习时，我们的主要方法是随机梯度下降法，而批大小的选择决定下降方向，所以批处理大小也是深度学习模型中一个重要的参数。不同的训练样本也会导致批处理大小不同，过大的批处理会导致计算机的内存容量不够，要想达到相同的精度，其所花费的时间大大增加，从而对参数的修正也就显得更加缓慢。所以选择合适的数据集批处理大小，可使缺陷识别模型在最短时间内获得最高的训练精度和泛化能力。为了确定缺陷识别模型的最优批大小，本文将划分多个阶段的批大小来训练网络，获得零件缺陷分类模型的训练精度、训练误差、测试误差和训练时间统计结果，如表2所示。