Batch, makine öğreniminde model eğitimi sırasında aynı anda işlenen veri örneklerinin toplamıdır. Mini-batch gradient descent veya batch gradient descent yöntemlerinde kullanılır.
Batch boyutu (batch size), her iterasyonda kaç örneğin model ağırlıklarını güncellemek için kullanıldığını belirler.
Batch Boyutları
Batch Gradient Descent: Tüm veri seti bir batch olarak işlenir
Mini-batch Gradient Descent: Küçük gruplar halinde (32, 64, 128 gibi)
Stochastic Gradient Descent (SGD): Her seferinde tek örnek
Batch Size Etkisi
Küçük Batch (32-128):
Hızlı yakınsama
Daha fazla gürültü
Düşük bellek kullanımı
Büyük Batch (256+):
Daha kararlı gradyan tahminleri
Paralel hesaplama avantajı
Daha fazla bellek gereksinimi
Epoch ve Iteration
Epoch: Tüm veri setinin bir kez geçilmesi
Iteration: Her batch için yapılan güncelleme sayısı
İlişki: Toplam Iteration = (Veri Seti Boyutu) / Batch Size
Batch Normalization
Batch normalization, her mini-batch içindeki girdileri normalize eden bir tekniktir. Eğitimi hızlandırır ve model kararlılığını artırır.
Batch
Tek bir işlemde birlikte işlenen veri noktaları grubu. Yapay zekada, büyük veri kümelerini verimli bir şekilde işlemek için toplu işlem kullanılır.
Veri Bilimi