Grundlagen des maschinellen Lernens

Ein Modell wird mit 10.000 Trainingsdatenpunkten und einer Mini-Batch-Größe (Batchgröße) von 50 trainiert. Wie viele Gewichtsaktualisierungen gibt es in einer Epoche?

  1. A50
  2. B200
  3. C2000
Antwort und Erläuterung anzeigen

Antwort: B. 200

Eine Epoche ist die Trainingseinheit, in der die gesamten Trainingsdaten einmal verwendet wurden. Beim Mini-Batch-Training wird für jeden Mini-Batch der Gradient berechnet und werden die Gewichte einmal aktualisiert; die Zahl der Aktualisierungen pro Epoche (die Zahl der Iterationen) beträgt daher 10.000 ÷ 50 = 200. Training über 10 Epochen ergibt insgesamt 2000 Aktualisierungen. Mini-Batch-Training liegt zwischen dem Batch-Training, das einmal mit allen Daten aktualisiert, und dem Online-Training, das nach jedem einzelnen Datenpunkt aktualisiert.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Grundlagen des maschinellen Lernens

  1. Wie viele trainierbare Parameter hat eine vollständig verbundene Schicht mit 64 Eingaben und 32 Ausgaben (mit einem Bias je Ausgabe)?
  2. Ein einkanaliges Bild mit 28×28 Pixeln wird mit einem 5×5-Filter gefaltet (Stride 1, kein Padding), anschließend folgt ein 2×2-Max-Pooling (Stride 2). Wie groß sind Höhe und Breite der Ausgabe?
  3. Welche Beschreibung rekurrenter neuronaler Netze (RNN) und von LSTM trifft zu?
  4. Welche Beschreibung der im Transformer verwendeten Self-Attention trifft zu?
  5. Welche Beschreibung trifft auf Transfer Learning zu, bei dem ein mit großen Datenmengen trainiertes Modell für eine andere Aufgabe mit wenigen Daten genutzt wird?