“sample”, “batch”, “epoch” 分别是什么？
为了正确地使用 Keras，以下是必须了解和理解的一些常见定义：
• Sample: 样本，数据集中的一个元素，一条数据。
• 例 1: 在卷积神经网络中，一张图像是一个样本。
• 例 2: 在语音识别模型中，一段音频是一个样本。
• Batch: 批，含有 N 个样本的集合。每一个 batch 的样本都是独立并行处理的。在训练时，
一个 batch 的结果只会用来更新一次模型。 - 一个 batch 的样本通常比单个输入更接近于
总体输入数据的分布，batch 越大就越近似。然而，每个 batch 将花费更长的时间来处理，
并且仍然只更新模型一次。在推理（评估/预测）时，建议条件允许的情况下选择一个尽可
能大的 batch，（因为较大的 batch 通常评估/预测的速度会更快）。
• Epoch: 轮次，通常被定义为「在整个数据集上的一轮迭代」，用于训练的不同的阶段，这
有利于记录和定期评估。
• 当在 Keras 模型的 fit 方法中使用 evaluation_data 或 evaluation_split 时，评估将在
每个 epoch 结束时运行。
• 在 Keras 中，可以添加专门的用于在 epoch 结束时运行的 callbacks 回调。例如学习率变化
和模型检查点（保存）。