Erät

Erät tietojenkäsittelyssä

Kun koneoppimismallia koulutetaan, on tavallista syöttää data pieninä osina sen sijaan, että kaikki syötettäisiin kerralla. Näitä osia kutsutaan "eriksi". Sen sijaan, että mallille näytettäisiin yksi dataelementti (kuten yksi kuva tai yksi lause), sille voidaan syöttää esimerkiksi 32 elementin erä kerrallaan. Tämä lähestymistapa tekee koulutuksesta usein vakauttavampaa ja nopeampaa.

Tensoreiden yhteydessä tämä tarkoittaa ylimääräisen ulottuvuuden lisäämistä alkuun. Jos yhden elementin data esitetään tensorilla, jonka muoto on (height, width), erä näitä elementtejä olisi muodossa (batch_size, height, width). Tässä esimerkissä, jos eräkoko on 32, muoto on (32, height, width).

Oletetaan, että meillä on 2048 dataesimerkkiä, joista jokaisella on muoto (base shape). Tämä antaa tensorin muodossa (2048, base shape). Jos jaamme tämän datan 32 esimerkin eriin, saamme yhteensä 64 erää, koska 64 * 32 = 2048. Uusi muoto on siis (64, 32, base shape).

Kun suunnittelet omaa neuroverkkoa tai muuta mallia, voit käyttää erilaisia muotoja yllä mainittuihin tehtäviin. Nämä muotoilutekniikat ovat kuitenkin vakiintuneita Tensorflow'ssa, sillä ne on järjestetty sekä loogisesti että hierarkkisesti oppimisalgoritmien suorituskyvyn optimoimiseksi.