我很难理解RNN中使用的不同"jargons" . 它们如下： batch_size ， time_steps ， inputs 和 instances .
让我通过我对每个输入参数的理解，请纠正我在哪里得到一系列数字，我想预测下一个数字 . 数字如下： [1,2,3,4,5,....,100]
time_steps ：此参数表示RNN在预测未来之前将过去的距离 . 为简单起见，我想提前预测1个数字 . 我想在过去看到10个数字之后做 . 所以，在这种情况下， time_steps 将是10 .
inputs ：这些是每个 time_steps 的值 . 在第 time_step （ t ） inputs 是 t0 ： [1]
t1 ： [2]
.
.
.
t10 ：[10]`
batch_size ：这有助于RNN模型的有效计算 . 假设我的 batch_size 是2.在这种情况下，在 time_step 2，RNN输入将是
t0: [1]
t0: [11]
那么 instances 的用法是什么？例如 . 在这个post中，已经使用了实例 . 并且有多种情况使用 instances . 是否意味着每个循环超过批次？例如 . 有5个批次，每个大小2.然后将有5个 instances .
请帮我纠正我的理解 .
谢谢！
2 回答
好吧朋友，你很好地学习了这些概念 . 我很难正确地学习这些 . 你所知道的一切似乎都是有序的，就像“实例”一样 . 它们基本上是一组数据 . 在深度学习社区中没有固定的“实例”使用期限 . 有些人用它来引用不同的数据集或批量数据 . 我很少在论文中听到它 .
batch_size
通常，批量大小表示从实验数据集构建的小批量的大小 . 由于在深度学习中，我们需要进行大量计算，如果我们考虑小批量操作会更好，因为GPU的使用将是值得的 .
time_steps
由于RNN采用顺序输入，因此输入序列中每个元素的索引可以称为该序列的时间步长 . 例如，如果
[1,2,3,4,5,....,100]是序列，则序列中每个元素的索引是时间步长 .inputs
术语
inputs具有更广泛的含义，因此我不确定我的定义是否正确 . 根据我的理解，对RNN的输入是指在每个时间步骤提供给RNN的个人输入 . 例如，在[1,2,3,4,5,....,100]中，每个元素是特定时间步长的RNN输入 .但是以抽象的方式，如果有人问，你的深层神经模型的输入是什么？你可以说，它是英文句子或图像或音频剪辑或视频等 . 简而言之，术语
inputs的含义取决于上下文 .instances
实例中，实例是指数据集中的训练/开发/测试示例 . 例如，序列：
[1,2,3,4,5,....,100]可以是数据集中的训练实例 .希望这可以帮助！