【发布时间】：2017-12-06 12:12:38
【问题描述】：
我正在研究对象检测。我的训练集是 5984，测试集是 1496（KITTI Tracking 训练数据集）。
在 Tensorflow 中拟合模型时，批量大小和 epoch 数应该有多大？是否有任何基于数据输入大小的经验法则？我应该将其拆分为 train/val/test 还是坚持我当前的拆分 train/val？
【问题讨论】：
标签： dataset deep-learning
【发布时间】：2017-12-06 12:12:38
【问题描述】：
在内存允许的范围内尝试尽可能大的批量 - 这将在 GPU 上更有效地进行评估，并且您通常可以应对更高的学习率，从而加快学习速度。尝试大量的 epoch 并照看学习过程，直到您看到收敛并在过度拟合之前停止。看看这里：http://cs231n.github.io/neural-networks-3/ 以获取有关如何照看学习过程的想法。
将您的数据集拆分为 train/val/test - 在每个 epoch 之后在验证集上评估您的模型，并使用测试集来估计您的泛化错误。
【讨论】：