trong khi tôi đang đọc trong cách xây dựng ANN trong pybrain, họ nói:Ý nghĩa của một Epoch trong Neural Networks Đào tạo
Train mạng đối với một số kỷ nguyên. Thông thường, bạn sẽ thiết lập một cái gì đó như 5 đây,
trainer.trainEpochs(1)
Tôi nhìn cho rằng nghĩa là gì, sau đó tôi kết luận rằng chúng tôi sử dụng một kỷ nguyên của dữ liệu để cập nhật trọng lượng, Nếu tôi chọn để đào tạo các dữ liệu với 5 epochs như lời khuyên pybrain, tập dữ liệu sẽ được chia thành 5 tập hợp con và các chiến dịch sẽ cập nhật tối đa 5 lần.
Tôi quen thuộc với đào tạo trực tuyến nơi các cuộc chiến được cập nhật sau mỗi dữ liệu mẫu hoặc vectơ đặc trưng, Câu hỏi của tôi là làm thế nào để đảm bảo rằng 5 kỷ nguyên sẽ đủ để xây dựng mô hình và thiết lập trọng số? lợi thế của cách này trên đào tạo trực tuyến là gì? Ngoài ra thuật ngữ "epoch" được sử dụng trên đào tạo trực tuyến, nó có nghĩa là một vector đặc trưng không?
Vì vậy, tập dữ liệu được chia thành các kỷ nguyên và mỗi kỷ nguyên bao gồm các mẫu? và mỗi kỷ nguyên được sử dụng để xây dựng một mô hình? –
Đó không phải là những gì tôi nói. Tập dữ liệu không được chia thành bất kỳ thứ gì. Giả sử, tập dữ liệu có 10 mẫu (= vectơ dữ liệu). Mỗi mẫu được tuần tự hiển thị cho mạng. Sau mẫu nr. 10, bạn bắt đầu từ đầu với nr. 1, 2, 3 ...., 10, sau đó bắt đầu lại tại nr. 1, 2, 3 .... mỗi khi bạn bắt đầu từ đầu với mẫu đầu tiên, bạn thực hiện thêm một giai đoạn đào tạo. 3 kỷ nguyên được hiển thị dưới dạng dấu ngoặc vuông: [1,2,3,4 ... 10], [1 ... 10], [1 ... 10]. Kỷ nguyên là một lần truyền trên toàn bộ tập dữ liệu. – runDOSrun
Có một epoch bao gồm cũng chạy các gốc gradient để tìm lỗi tối thiểu? Nếu vậy, tại sao sẽ chạy nó hơn và hơn giảm thiểu lỗi nhiều hơn? – mskw