我正在开发一个回归模型，每小时有50个数据点。我很难区分批量大小和时间步长的区别。根据我的理解，批量大小用于决定在做出预测之前我们想要考虑多少个数据点。批量大小越大，模型收敛所需的时间就越长。如果是这样的话，我对批量大小的定义已经清楚了。那么，如果我的模型运行时间不长，我可以直接使用最大值吗？这个最大值会是测试数据的大小吗？

那么时间步长呢？对于一个模型，如果你每分钟测量一次温度，直到30小时，时间步长会是多少？我希望了解使用RNN进行回归的人能解答我的疑问。

回答：

给定：

import numpy as npx = np.array([[[1], [0], [1]]])print(x.shape)

输出：

(1, 3, 1)

这是针对m个样本，s个时间步长，每个时间步长有e个测量值的表示方式。

(m, s, e)

在任何情况下，数据点的数量都是数组的大小，因此：

m * s * e

每个样本的数据点数量为：

s * e

如果你每秒测量一次温度，一小时内在一个样本上进行测量。

(1, 3600, 1)

如果你测量的是温度和湿度。

(1, 3600, 2)

假设你在两个地方（A和B）同时进行这两项测量。

(2, 3600, 2)

批量大小与此完全无关。

对于每个epoch，它仅仅意味着你想一次运行多少个样本。例如，对于100个样本，批量大小为50，你在一个epoch内会有两次权重更新。