有人可以解释使用 RNN 的回归模型的批量大小和时间步长吗？
Can someone explain batch-size and timestep for a regression model using RNN?
我正在研究一个每小时有 50 个数据点的回归模型。我很难决定批量大小和时间步长之间的区别。据我了解，批量大小用于决定在进行预测之前我们要考虑多少个数据点。值越大，模型收敛所需的时间越长。如果是这样的话，我很清楚批量大小的定义。所以如果我的模型不需要很长时间，我可以只使用最大值吗？这个最大值会是测试数据大小吗？
那么时间步长呢？对于您每分钟测量一次温度直到 30 小时的模型，时间步长是多少？
如果知道使用 RNN 进行回归的人可以回答我的疑问，我将不胜感激。
给定：
import numpy as np
x = np.array([[[1], [0], [1]]])
print(x.shape)
输出：
(1, 3, 1)
这是 m 个样本 s 个时间步，每个时间步 e 个测量值。
(m, s, e)
无论如何，数据点的数量就是数组的大小，所以：
m * s * e
每个样本的数据点数：
s * e
如果您每秒测量一个样品的温度一小时。
(1, 3600, 1)
如果你测量温度和湿度。
(1, 3600, 2)
假设您同时对 2 个样本（在位置 A 和 B）执行此操作。
(2, 3600, 2)
批量大小根本不相关。
对于每个纪元，它仅表示您希望一次 运行 多少个样本。例如，对于批量大小为 50 的 100 个样本，每个时期有两次权重更新。
我正在研究一个每小时有 50 个数据点的回归模型。我很难决定批量大小和时间步长之间的区别。据我了解，批量大小用于决定在进行预测之前我们要考虑多少个数据点。值越大，模型收敛所需的时间越长。如果是这样的话，我很清楚批量大小的定义。所以如果我的模型不需要很长时间，我可以只使用最大值吗？这个最大值会是测试数据大小吗？
那么时间步长呢？对于您每分钟测量一次温度直到 30 小时的模型，时间步长是多少？ 如果知道使用 RNN 进行回归的人可以回答我的疑问，我将不胜感激。
给定：
import numpy as np
x = np.array([[[1], [0], [1]]])
print(x.shape)
输出：
(1, 3, 1)
这是 m 个样本 s 个时间步，每个时间步 e 个测量值。
(m, s, e)
无论如何，数据点的数量就是数组的大小，所以：
m * s * e
每个样本的数据点数：
s * e
如果您每秒测量一个样品的温度一小时。
(1, 3600, 1)
如果你测量温度和湿度。
(1, 3600, 2)
假设您同时对 2 个样本（在位置 A 和 B）执行此操作。
(2, 3600, 2)
批量大小根本不相关。
对于每个纪元，它仅表示您希望一次 运行 多少个样本。例如，对于批量大小为 50 的 100 个样本，每个时期有两次权重更新。