设置批量大小*和*神经网络的训练迭代次数？

Question

我正在使用KNIME Doc2Vec Learner节点来构建Word嵌入。我知道Doc2Vec是如何工作的。在KNIME中，我可以选择设置参数

• 批量大小：每批次使用的单词数。
• 时代数：训练的时期数。
• 培训迭代次数：每批次更新的次数。

从神经网络我知道（懒洋洋地从https://stats.stackexchange.com/questions/153531/what-is-batch-size-in-neural-network复制）：

• 所有训练样例的一个时期=一个前进和一个后退
• 批量大小=一个前向/后向传递中的训练样本数。批量大小越大，您需要的内存空间就越大。
• 迭代次数=次数，每次通过使用[批量大小]数量的示例。要清楚，一次传球=一次前进传球+一次后传传球（我们不计算前进传球和后传传球作为两次不同传球）。

据我所知，设置批量大小和迭代没有多大意义，因为一个是由另一个决定的（给定数据大小，由环境给出）。那为什么我可以改变这两个参数呢？

Answer 1

情况不一定如此。你也可以训练“半个时代”。例如，在Google的inceptionV3预训练脚本中，您通常会同时设置迭代次数和批量大小。这可能会导致“部分时代”，这可能会很好。

如果是一个好主意或不训练半个时代可能取决于您的数据。有一个thread关于这个，但不是一个结论性答案。

我不熟悉KNIME Doc2Vec，所以我不确定那里的含义是否有所不同。但是根据您给出的定义批量大小+迭代的定义似乎很好。设置时期数也可能导致冲突，但会导致数字无法合理组合。