1 问题
我们知道，不同的batch_size对我们的训练集和验证集得出结果的精度和loss都会产生影响,是设置batch_size越大我们得到的精度越好，loss越好。还是batch_size越小我们得到的精度越好，loss越好呢？
2 方法
我们使用的是python的可视化技术进行问题的探究，我们需要在图像中看到当batch_size由小到大的过程中对训练集精度和loss以及验证集的精度和loss值的变化曲线。
利用python画出的batch_size对训练集精度的影响，我们可以在下图中看见并不是batch_size越大，我们的训练集精度就越好，在我给出的这几个batch_size中8才是最好的。
下图就是不同的batch_size对训练集loss的变化
下图是不同的batch_size对验证集精度的变化
下图是不同的batch_size对验证集loss的变化
其中画图的工具就是用python中matplotlib.pyplot模块，该模块中也有很多的画图的函数，可以画各种各样的可视化图形。
3 结语
在本次的博客中，我们通过实验证明了我们设置的batch_size并不是越大越好，也不是越小越好，做这样的验证，而是其中有一些值会趋近很好，这样我们就需要通过大量的实验来证明，在实验的过程中，我们使用的程序就需要执行很久，这也是需要占用我们时间资源。
