【深度学习 | Pytorch】从MNIST数据集看batch_size

秒速五厘米 2023-10-08 23:54 76阅读 0赞

## 一、MNIST数据集 ##

MNIST是一个手写数字图像数据集，包含了 60,000 个训练样本和 10,000 个测试样本。这些图像都是黑白图像，大小为 28  × \\times × 28 像素，每个像素点的值为 0 到 255 之间的灰度值，表示图像亮度的变化。

这个数据集主要被用于测试机器学习算法和模型的性能，尤其是在图像分类任务上。它通常被用作入门级别的图像分类问题的基准数据集，因为它相对简单并且容易使用。

MNIST数据集包含数字 0 到 9 的手写数字，每个数字有 6000 个样本，这些样本是从不同人的手写数字中随机采样而来的。由于数据集的小规模和相对简单的图像，MNIST已经成为了机器学习领域的经典数据集之一。

## 二、导入数据 ##

在我们导入数据时，经常会这样操作：

train_loader = torch.utils.data.DataLoader(torchvision.datasets.MNIST('./data/', train = True, download = True,
                                   transform = torchvision.transforms.Compose([
                                       torchvision.transforms.ToTensor(),
                                       torchvision.transforms.Normalize(
                                           (0.1307, ), (0.3081, ))])), batch_size = batch_size_train, shuffle = True)
    test_loader = torch.utils.data.DataLoader(torchvision.datasets.MNIST('./data/', train = False, download = True,
                                   transform = torchvision.transforms.Compose([
                                       torchvision.transforms.ToTensor(),
                                       torchvision.transforms.Normalize(
                                           (0.1307, ), (0.3081, ))])), batch_size = batch_size_test, shuffle = True)

这段代码是用来创建train\_loader和test\_loader的。

train\_loader和test\_loader是PyTorch中的`DataLoader`对象，用来将数据集按照batch\_size分批加载，每个batch\_size大小的数据被视为一个batch，用来进行模型训练和测试。

在这里，MNIST数据集被用来创建这两个DataLoader对象，`train=True`表示创建用于训练的数据集，`train=False`表示创建用于测试的数据集，`batch_size_train`和`batch_size_test`分别表示训练集和测试集的batch size。`transform`参数是一个用来对数据进行预处理的PyTorch的`Transform`对象，这里使用了`ToTensor()`和`Normalize()`两个变换，将图片转换成张量，并进行标准化。

## 三、batch\_size的理解 ##

### 3.1 定义和理解 ###

`batch_size`是指一次迭代训练所使用的样本数，它是深度学习中非常重要的一个超参数。

在训练过程中，通常将所有训练数据分成若干个batch，每个batch包含若干个样本，模型会依次使用每个batch的样本进行参数更新。**通过使用batch\_size可以在训练时有效地降低模型训练所需要的内存，同时可以加速模型的训练过程。**

通常情况下，batch\_size的值越大，训练时使用的内存就越多，但是模型的收敛速度会加快，对于深度学习中较大的数据集，较大的batch\_size可以提高训练速度，但可能会降低模型的准确率。

相反，batch\_size的值越小，训练时使用的内存就越少，但是模型的收敛速度会变慢，同时可能会提高模型的准确率。因此，我们需要根据数据集的大小、模型的复杂度和计算资源的限制等因素综合考虑选择一个合适的batch\_size。

### 3.2 对于MNIST数据集，batch\_size\_train一般选择多少？ ###

对于MNIST数据集，batch\_size\_train可以设置为32、64、128等。具体选择哪一个需要根据模型的复杂度和显存大小等因素来考虑。如果模型较简单，显存较小，可以选择较小的batch size；如果模型较复杂，显存较大，可以适当增大batch size以提高训练效率。通常来说，较大的batch size可以带来更稳定的梯度估计，有助于加速训练。

### 3.3 对于MNIST数据集，batch\_size\_test一般选择多少？ ###

在MNIST数据集中，测试集的图像数量为10000张，为了保证测试的准确性，一般建议将 batch\_size\_test 设为1000，这样测试集中的图像可以被分成10个批次来进行测试，以避免由于内存不足而无法完成测试的问题。