当我必须手动运行迭代时，时期在 Doc2Vec 和训练中意味着什么？

Question

我试图理解Doc2Vec 函数中的epochs 参数和train 函数中的epochs 参数。

在下面的代码 sn-p 中，我手动设置了一个 4000 次迭代的循环。是否需要或将 4000 作为 Doc2Vec 中的 epochs 参数传递足够？还有Doc2Vec 中的epochs 与train 中的纪元有何不同？

documents = Documents(train_set)

model = Doc2Vec(vector_size=100, dbow_words=1, dm=0, epochs=4000,  window=5,
                seed=1337, min_count=5, workers=4, alpha=0.001, min_alpha=0.025)

model.build_vocab(documents)

for epoch in range(model.epochs):
    print("epoch "+str(epoch))
    model.train(documents, total_examples=total_length, epochs=1)
    ckpnt = model_name+"_epoch_"+str(epoch)
    model.save(ckpnt)
    print("Saving {}".format(ckpnt))

另外，权重如何以及何时更新？

Answer 1

您不必手动运行迭代，并且您不应该多次致电train()，除非您是专家并且出于特定原因需要这样做。如果您在一些您正在复制的在线示例中看到了这种技术，那么该示例可能已经过时并且具有误导性。

调用train() 一次，将您的首选传递次数作为epochs 参数。

另外，不要使用较低的起始 alpha 学习率 (0.001)，然后上升到 25 倍大的 min_alpha 值 (0.025) - 这不是应该的工作，大多数用户根本不需要调整alpha 相关的默认值。 （同样，如果您是从某处的在线示例中获得此信息的 - 这是一个不好的示例。让他们知道他们给出了不好的建议。）

此外，4000 个训练 epoch 大得离谱。在处理数万到数百万个文档时，10-20 的值在已发表的作品中很常见。如果您的数据集较小，它可能不适用于Doc2Vec，但有时更多的时期（或更小的vector_size）仍然可以从小数据中学习一些可概括的东西 - 但仍然希望使用接近几十个时期（而不是数千个） .

与 gensim 捆绑在一起的 doc2vec-lee.ipynb Jupyter notebook 是一个很好的介绍（尽管它的数据集很小，几乎无法与 Doc2Vec 一起使用），也可以在以下网址在线查看：

https://github.com/RaRe-Technologies/gensim/blob/develop/docs/notebooks/doc2vec-lee.ipynb

祝你好运！