Época

¿Qué es una época?

En el mundo de las redes neuronales artificiales, una época es un ciclo de todo el conjunto de datos de entrenamiento. El entrenamiento de una red neuronal suele llevar muchas épocas. En pocas palabras, si proporcionamos a una red neuronal datos de entrenamiento en diversos patrones durante más de una época, esperamos una generalización mejorada cuando le damos una nueva entrada no observada (datos de prueba).

El conjunto de datos se cambian los parámetros subyacentes del modelo con cada época. Como resultado, el algoritmo de aprendizaje de descenso de gradiente por lotes lleva el nombre de cada lote de la época. El tamaño del lote suele ser 1 o mayor, y siempre es un valor entero en el número de época. Alternativamente, puede representarse como un for-loop con un cierto número, con cada ruta de bucle atravesando todo el conjunto de datos de entrenamiento.

Cuando el valor del «tamaño del lote» de la muestra se da como uno, el bucle for contiene una capa que le permite ejecutar una muestra específica en un solo lote. Establecer cuántos épocas que un modelo debe ejecutar para entrenar depende de varios parámetros vinculados tanto a los datos como al objetivo del modelo. Para convertir esto procedimiento en un algoritmo, normalmente se requiere una comprensión profunda de los datos.

Cuando un el conjunto de datos completo se transmite hacia adelante y luego hacia atrás a través de la red neuronal, se llama Época. Rompemos el epoch en múltiples lotes más pequeños porque una época es demasiado grande para enviarla a la computadora de una vez.