通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

CNTK中的 BrainScript epochSize

  • 项目

对于 Python 用户，请参阅 此处。

每个时期的动态轴) (张量的 标签 样本数。 CNTKepochSize是标签样本数，之后将执行特定的附加操作，包括

  • 可以在此处重启检查点模型 (训练)
  • 交叉验证
  • learning-rate 控制
  • minibatch-scaling

请注意，标签样本数的定义类似于用于 迷你batchSize (minibatch_size_in_samples) 的示例数。 epochSize定义不同于minitbatchSizeepochSize标签样本的定义，而不是输入样本。

因此，对于顺序数据，示例是序列的各个项。 因此，CNTK epochSize不引用多个序列，而是构成小块的序列标签中的序列项。

同样重要的是，它是 标签 样本，而不是输入样本，每个序列的标签数不一定是输入样本数。 例如，每个序列有一个标签，每个序列都有一个标签，并且每个序列有多个样本 (在这种情况下epochSize，其作用类似于序列) 的序列数，并且每个样本都有一个标签，在这种情况下epochSizeminibatchSize，每个样本 (不按顺序计算) 。

对于较小的数据集大小， epochSize 通常设置为等于数据集大小。 在 BrainScript 中，可以指定 0 来表示这一点。 在 Python 中，可以为此指定 cntk.io.INFINITELY_REPEAT 。 仅在 Python 中，还可以将其设置为 cntk.io.FULL_DATA_SWEEP 处理将在整个数据大小的一次传递后停止的位置。

对于大型数据集，可能需要通过检查点来指导你选择的纪元大小。 例如，如果要在发生停电或网络故障时最多丢失 30 分钟的计算，需要大约每 30 分钟创建一个检查点 (，以便从中恢复训练) 。 选择 epochSize 为计算大约需要 30 分钟的示例数。