Erät
Erät tietojenkäsittelyssä
Kun koneoppimismallia koulutetaan, on tavallista syöttää data pieninä osina sen sijaan, että kaikki syötettäisiin kerralla. Näitä osia kutsutaan "eriksi". Sen sijaan, että mallille näytettäisiin yksi tietue (esim. yksi kuva tai yksi lause), sille voidaan syöttää esimerkiksi 32 tietuetta kerralla. Tämä lähestymistapa tekee koulutuksesta usein vakauttavampaa ja nopeampaa.
Tensoreiden yhteydessä tämä tarkoittaa ylimääräisen ulottuvuuden lisäämistä alkuun. Jos yhden tietueen data esitetään tensorilla, jonka muoto on (height, width), erä näitä tietueita olisi muodossa (batch_size, height, width). Tässä esimerkissä, jos eräkoko on 32, muoto on (32, height, width).
Oletetaan, että meillä on 2048 tietuetta, joista jokainen on muodossa (base shape). Tämä antaa tensorin, jonka muoto on (2048, base shape). Jos jaamme tämän datan 32 tietueen eriin, saamme yhteensä 64 erää, koska 64 * 32 = 2048. Uusi muoto on tällöin (64, 32, base shape).
Kun suunnittelet omaa neuroverkkoasi tai muuta mallia, voit käyttää erilaisia muotoja yllä mainittuihin tehtäviin. Nämä muotoilutekniikat ovat kuitenkin vakiintuneita Tensorflow'ssa, sillä ne on rakennettu sekä loogisesti että hierarkkisesti oppimisalgoritmien suorituskyvyn optimoimiseksi.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 5.56Erät
Pyyhkäise näyttääksesi valikon
Erät tietojenkäsittelyssä
Kun koneoppimismallia koulutetaan, on tavallista syöttää data pieninä osina sen sijaan, että kaikki syötettäisiin kerralla. Näitä osia kutsutaan "eriksi". Sen sijaan, että mallille näytettäisiin yksi tietue (esim. yksi kuva tai yksi lause), sille voidaan syöttää esimerkiksi 32 tietuetta kerralla. Tämä lähestymistapa tekee koulutuksesta usein vakauttavampaa ja nopeampaa.
Tensoreiden yhteydessä tämä tarkoittaa ylimääräisen ulottuvuuden lisäämistä alkuun. Jos yhden tietueen data esitetään tensorilla, jonka muoto on (height, width), erä näitä tietueita olisi muodossa (batch_size, height, width). Tässä esimerkissä, jos eräkoko on 32, muoto on (32, height, width).
Oletetaan, että meillä on 2048 tietuetta, joista jokainen on muodossa (base shape). Tämä antaa tensorin, jonka muoto on (2048, base shape). Jos jaamme tämän datan 32 tietueen eriin, saamme yhteensä 64 erää, koska 64 * 32 = 2048. Uusi muoto on tällöin (64, 32, base shape).
Kun suunnittelet omaa neuroverkkoasi tai muuta mallia, voit käyttää erilaisia muotoja yllä mainittuihin tehtäviin. Nämä muotoilutekniikat ovat kuitenkin vakiintuneita Tensorflow'ssa, sillä ne on rakennettu sekä loogisesti että hierarkkisesti oppimisalgoritmien suorituskyvyn optimoimiseksi.
Kiitos palautteestasi!
