TensorFlow中批量大小是否会影响RNN的预测准确率？

最近我完成了一个用TensorFlow构建RNN做序列预测的任务，具体细节如下：

模型与数据配置 #

• 核心模型采用GRUCell结合dynamic_rnn实现，利用dynamic_rnn的特性适配序列处理场景
• 训练数据集拆分后共得到8个批次，每个批次的batch size固定为10，单批次的张量形状为[10, 6, 2]，对应维度含义：[batch_size, sequence_length, feature_dimension]

防过拟合的早停训练策略 #

为了避免模型过拟合，我设置了基于训练集准确率的早停规则：

• 训练过程中实时追踪训练数据集的预测准确率
• 当准确率超过80%时立即终止训练，实际运行下来，模型通常会在准确率处于80%~83%这个区间时停止训练

训练后的纯预测流程 #

训练结束后，我直接复用训练阶段搭建的同一计算图，对原训练数据集执行纯预测操作：

• 全程不进行参数更新，仅运行前向传播流程
• 无需重新初始化模型参数，保证预测使用的是训练好的最优权重

内容的提问来源于stack exchange，提问作者Xylitoly