如何理解 CNN 中的批量大小？答案

【问题标题】：How to understand the batch size in CNN?如何理解 CNN 中的批量大小？
【发布时间】：2016-07-14 05:56:56
【问题描述】：

在使用 Theano 和 conv3d2d.conv3d 时，我发现信号的输入条件是

signals_shape=(batch_size, n_frame, n_in_maps, height, width)

我想我确实明白批量大小是什么意思，即更新频率，但为什么这里的批量大小是一个维度？

【问题讨论】：

标签： machine-learning neural-network theano deep-learning

【解决方案1】：

batch_size 是您要用于此小批量的示例数。例如，如果您的 batch_size 为 50，则意味着您一次要训练/测试 50 个示例。考虑一下您是否有一个二维矩阵来包含您的数据。它看起来像一个 Excel 电子表格，其中每一行是一个单独的示例，每一列是该示例的 feature。同样的事情也在这里发生，只是在更高的维度上。

【讨论】：

为什么我认为这里的 n_in_maps 代表你所说的 batch_size？
我怀疑n_in_maps指的是卷积特征图的数量。每个卷积层将包含一定数量的特征图，通常是几十个，具体取决于问题的复杂程度。见这里：deeplearning.net/tutorial/lenet.html#details-and-notation。每层有多个feature maps。