Dans l'apprentissage automatique, une taille de lot fait référence au nombre d'échantillons qui sont traités simultanément lors de la formation d'un modèle. Les données sont divisées en lots et chaque lot est utilisé pour mettre à jour les poids du modèle. La taille du lot peut grandement affecter la vitesse et la précision de la formation du modèle ainsi que la quantité de mémoire nécessaire pour traiter les données. Une taille de lot plus petite permet des mises à jour de poids plus fréquentes et peut fournir des résultats plus précis, mais au prix d'un temps d'entraînement plus lent. Une plus grande taille de lot peut accélérer le temps de formation, mais peut fournir des résultats moins précis.
Date de publication: