Понимание входных параметров в RNN

Question

Мне трудно понять различные "жаргоны", используемые в RNN.Они следующие: batch_size, time_steps, inputs и instances.

Позвольте мне разобраться в каждом из входных параметров и, пожалуйста, поправьте меня, где я ошибаюсь.Предположим, у меня есть последовательность чисел, и я хочу предсказать следующее число.Числа следующие: [1,2,3,4,5,....,100]

time_steps: Этот параметр означает, как далеко RNN заглянет в прошлое, прежде чем предсказать будущее.Для простоты я хочу предсказать 1 число вперед.И хочу сделать после того, как увижу 10 номеров в прошлом.Таким образом, в этом случае time_steps будет 10.

inputs: это значения для каждого time_steps.В первом time_step (t) inputs составляют t0: [1]

t1: [2]

.
.
.

t10: [10] `

batch_size: Это помогает в эффективном вычислении модели RNN.Предположим, что у меня batch_size равно 2. В этом случае при time_step 2 вход RNN будет

t0: [1]
t0: [11]

Тогда что за использование instances?Например, в этом посте были использованы экземпляры.И есть несколько случаев, когда используется instances.Значит ли это, что каждый цикл по партии?Например, есть 5 партий, каждая размером 2. Тогда будет 5 instances.

Пожалуйста, помогите мне исправить мое понимание.

Спасибо!

Answer 1

batch_size

Размер партии, как правило, представляет размер мини-партий, созданных из экспериментального набора данных.Поскольку при глубоком обучении нам необходимо выполнять много вычислений, лучше, если мы рассмотрим мини-пакетные операции, потому что тогда будет полезно использование графического процессора.

time_steps

Поскольку RNN принимает последовательные входы, индекс каждого элемента во входной последовательности может упоминаться как временной шаг этой последовательности.Например, если [1,2,3,4,5,....,100] является последовательностью, индекс каждого элемента в последовательности является шагом по времени.

входные данные

Термин inputs имеет более широкое значениесмысл, поэтому я не уверен, правильно ли мое определение.Согласно моему пониманию, входные данные для RNN относятся к отдельным входным данным, предоставляемым RNN на каждом временном шаге.Например, в [1,2,3,4,5,....,100] каждый элемент является входом в RNN на определенном временном шаге.

Но абстрактным образом, если кто-то спросит, каков вклад вашей глубинной нейронной модели?Вы можете сказать, что это английские предложения или изображения, аудиоклипы или видео и т. Д. Короче говоря, значение термина inputs зависит от контекста.

instance

Экземпляры, как правило, ссылаются на пример обучения / разработки / тестирования в наборе данных.Например, последовательность: [1,2,3,4,5,....,100] может быть обучающим экземпляром в вашем наборе данных.

Надеюсь, это поможет!

Answer 2

Хорошо, приятель, ты хорошо усвоил эти понятия.Мне было трудно учить их правильно.Все, что вы знаете, кажется, в порядке и что касается "экземпляров"Они в основном набор данных.В сообществе с глубоким обучением нет определенного срока использования «экземпляров».Некоторые люди используют его для ссылки на другой набор данных или пакетов данных.Я редко слышу это в газетах.