当训练数据是图像时，Keras model.fit() 中的“批次”是啥

Posted 2023-02-23

【中文标题】当训练数据是图像时，Keras model.fit() 中的“批次”是啥

【英文标题】：what is a "batch" in Keras model.fit() when training data are images当训练数据是图像时，Keras model.fit() 中的“批次”是什么

【发布时间】：2020-04-20 03:28:23

【问题描述】：

假设我有一组用于训练的图像数据，20 个输入图像和 20 个输出图像，图像大小为 512*512。首先我准备训练数据为“train_image_input”（大小 20*512*512）和“train_image_output”（大小 20*512*512），然后我在 Keras 中运行以下代码，

model.fit(train_image_input, train_image_output,epochs=3,batch_size=5)

我想确认当数据是图像时“batch”的定义，在上面的例子中，“batch_size=5”是什么意思

一次训练5张图片（数据大小5*512*512）？ 单张图像中的5列（数据大小5*512）一次进入训练？

我已经阅读了这篇文章：https://machinelearningmastery.com/difference-between-a-batch-and-an-epoch/ 当数据是图像时，下面的描述让我对样本/批次的定义感到困惑

什么是样本？ 样本是单行数据。 它包含输入算法的输入和用于与预测进行比较并计算误差的输出。 训练数据集由多行数据组成，例如许多样品。样本也可以称为实例、观察、输入向量或特征向量。 现在我们知道了什么是样本，让我们定义一个批次。 什么是批处理？ 批量大小是一个超参数，它定义了在更新内部模型参数之前要处理的样本数量。

另外，如果我设置“batch_size=30”，图片数量较大，代码执行过程中没有错误，所以我可能认为第二个（数据大小5*512）是正确的？

谢谢。

【问题讨论】：

在您的情况下，Batch_size 是5 images(data size 5*512*512) are taken into training at a time，因此每个时期有 4 个步骤，每个时期消耗 20 张图像。在训练的一个步骤（5 张图像）之后，权重和偏差被更新，然后在第二步中，另外 5 张图像将被用于训练，并且权重和偏差被再次更新。这个过程一直持续到它消耗了训练中的所有数据。

谢谢，顺便问一下，如果我设置“batch_size=30”，你知道什么是状态吗？我期待一个错误显示“batch_size 大于样本大小”但实际上在代码执行期间没有错误。

如果batch_size 大于样本大小，则不应出现任何错误。考虑这种情况，batch_size 为 5，样本大小为 22。在使用 batch_size 5 的四个训练步骤之后，剩下 2 个样本。我们是否抛出了这两个可能具有良好信息并有助于模型构建的样本。其实我们不会扔。我们将使用 2 个样本再进行一步训练。出于某种原因，如果你想抛出，有batch_input_shape 修复了batch_size。希望对您有所帮助。

【参考方案1】：

批量大小定义了将通过网络传播的样本数量。

例如，假设您有 1050 个训练样本，并且您希望将 batch_size 设置为 100。该算法从训练数据集中获取前 100 个样本（从第 1 个到第 100 个）并训练网络。接下来，它获取第二个 100 个样本（从第 101 个到第 200 个）并再次训练网络。我们可以继续执行此过程，直到我们通过网络传播了所有样本。最后一组样本可能会出现问题。在我们的示例中，我们使用了 1050，它不能被 100 整除而没有余数。最简单的解决方案就是获取最后的 50 个样本并训练网络。