bp神经网络的训练参数设置问题

Question

看了bp神经网络算法，受益匪浅
想请教一下，关于小批量梯度下降法，我有20000个样本，想要分200个批次，每一批100个样本进行训练，那这里的参数该如何设置

#神经网络训练
bp1.MSGD(train_data, 10000, len(train_data), 0.01) 

def MSGD(self, training_data, epochs, mini_batch_size, eta, error = 0.01):
        '''
        小批量随机梯度下降法
        '''
        n = len(training_data)
        for j in range(epochs):
            # 随机打乱训练集顺序
            random.shuffle(training_data)
            # 根据小样本大小划分子训练集集合
            mini_batchs = [training_data[k:k+mini_batch_size]
                            for k in range(0, n, mini_batch_size)]
            # 利用每一个小样本训练集更新 w 和 b
            for mini_batch in mini_batchs:
                self.updata_WB_by_mini_batch(mini_batch, eta)
            
            #迭代一次后结果
            err_epoch = self.evaluate(training_data)
            print("Epoch {0} Error {1}".format(j, err_epoch))
            if err_epoch < error:
                break
            # if test_data:
            #     print("Epoch {0}: {1} / {2}".format(j, self.evaluate(test_data), n_test))
            # else:
            # print("Epoch {0}".format(j))
        return err_epoch

还有就是我200次迭代为一轮，需不需要进行多轮训练，有没有相关参数设置
小批量梯度下降法是在这篇博客学的：
https://blog.csdn.net/xuechanba/article/details/124807762
感谢您的解答！
下面是bp神经网络参考的原文连接：
https://blog.csdn.net/qq_45077760/article/details/124508235

Answer 1

根据你的需求，你可以将参数设置为：

• training_data：训练数据集，包含20000个样本。
• epochs：迭代次数，可以根据需要设置，比如10次。
• mini_batch_size：小批量样本大小，每个批次包含100个样本。
• eta：学习率，可以根据需要设置，比如0.01。
• error：误差阈值，当误差小于该值时停止训练。

所以你可以调用bp1.MSGD(train_data, 10, 100, 0.01)来进行神经网络训练。